Fugu-MT 論文翻訳(概要): DSIP: A Dynamic Coordination Planner for Signal-Free Intersections using Diffusion-Model-Based Multi-Agent Motion Planning

論文の概要: DSIP: A Dynamic Coordination Planner for Signal-Free Intersections using Diffusion-Model-Based Multi-Agent Motion Planning

arxiv url: http://arxiv.org/abs/2606.30694v1
Date: Mon, 29 Jun 2026 01:35:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-01 18:27:18.95342
Title: DSIP: A Dynamic Coordination Planner for Signal-Free Intersections using Diffusion-Model-Based Multi-Agent Motion Planning
Title（参考訳）: DSIP:拡散モデルに基づくマルチエージェント動作計画を用いた信号自由区間の動的コーディネートプランナ
Authors: Qian Hu, Haoyang Peng, Songan Zhang, Ming Yang, Hongtei Eric Tseng,
Abstract要約: 都市交差点での交通信号制御は停止・停止動作を導入し、遅延が増加し、交通効率が低下する。トラジェクトリレベルの調整は、従来のフェーズベースの管理を増強または超越するための高能率戦略として現れている。本稿では,DSIP(Diffusion-model-based Signal-free Intersection Planner)を提案する。
参考スコア（独自算出の注目度）: 13.207796958340067
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Traffic signal control at urban intersections inherently introduces stop-and-go behavior, resulting in increased delays and reduced traffic efficiency, especially under high traffic demand. With the emergence of connected and automated vehicles (CAVs), trajectory-level coordination has emerged as a high-potential strategy to augment or transcend conventional phase-based management. This paper proposes DSIP (Diffusion-model-based Signal-free Intersection Planner), a multi-agent motion planning framework driven by a generative diffusion process. DSIP shifts the intersection management paradigm from discrete temporal phasing to continuous multi-vehicle trajectory optimization. This work evaluates the theoretical upper-bound performance of this coordination strategy under idealized communication and execution conditions to isolate the core benefits of the diffusion-driven approach. Using the SUMO platform, we evaluate DSIP across diverse four-leg intersection configurations. Experimental results demonstrate that DSIP significantly reduces average delay and maintains higher average speed compared to both fixed-time signal control and state-of-the-art reinforcement-learning-based controllers, particularly in medium- to high-density traffic. These findings suggest that diffusion-based trajectory planning provides a scalable and robust foundation for future autonomous intersection management. By unlocking latent intersection capacity through software-defined coordination, this approach offers a cost-effective pathway to improve urban traffic flow efficiency without requiring physical infrastructure expansion.
Abstract（参考訳）: 都市交差点での交通信号制御は本質的に停止・停止の挙動を導入し、特に高い交通需要下では遅延が増加し、交通効率が低下する。 CAV(コネクテッド・アンド・オートマチック・ビークル)の出現に伴い、トラジェクトリーレベルのコーディネートは、従来のフェーズベースの管理を増強または超越するための高いポテンシャル戦略として現れてきた。本稿では,DSIP(Diffusion-model-based Signal-free Intersection Planner)を提案する。 DSIPは、交差点管理のパラダイムを離散時間的処理から連続多車軌道最適化へシフトさせる。本研究は, 拡散駆動方式のコアベネフィットを分離するために, 理想的な通信条件と実行条件下での協調戦略の理論的上界性能を評価する。 SUMOプラットフォームを用いて,多種多様な4脚交叉構成のDSIPを評価する。実験結果から,DSIPは平均遅延を著しく低減し,特に中～高密度トラフィックにおいて,固定時間信号制御と最先端の強化学習ベースコントローラと比較して高い平均速度を維持することが示された。これらの結果は,拡散に基づく軌道計画が,将来の自律的交差点管理のスケーラブルで堅牢な基盤となることを示唆している。ソフトウェア定義の調整を通じて潜在交差点容量をアンロックすることにより、物理的なインフラ拡張を必要とせず、都市交通効率を向上させるためのコスト効率の高い経路を提供する。

関連論文リスト

HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
論文参考訳（メタデータ） (2026-04-04T04:12:47Z)
Spatio-temporal dual-stage hypergraph MARL for human-centric multimodal corridor traffic signal control [5.728450793445691]
本稿では,STDSH-MARL(時空間2段階ハイパーグラフに基づくマルチエージェント強化学習)を提案する。提案手法は,空間的時間的ハイパーエッジ間の相互作用をモデル化する新しい2段ハイパーグラフアテンション機構により,依存関係をキャプチャする。 5つの交通シナリオ下での廊下ネットワーク上での実験は、STDSH-MARLが一貫してマルチモーダル性能を改善し、公共交通機関の優先権に明確な利益をもたらすことを示した。
論文参考訳（メタデータ） (2026-02-19T04:18:50Z)
Spatiotemporal Decision Transformer for Traffic Coordination [1.2099551931618155]
MADT(Multi-Agent Decision Transformer)は、シーケンスモデリング問題としてマルチエージェント信号制御を再構成する新しい手法である。当社のアプローチでは,過去のトラフィックデータからオフラインで学習することが可能になる。
論文参考訳（メタデータ） (2026-02-02T23:19:13Z)
Quantifying Distribution Shift in Traffic Signal Control with Histogram-Based GEH Distance [0.6961253535504978]
本稿では,交通シナリオを需要ヒストグラムとして表現し,分散シフトを定量化する手法を提案する。 NEMAアクティベートコントローラと強化学習コントローラの両方を用いて,20のシミュレーションシナリオに対するアプローチを検証する。全体として、この手法は、以前公表した手法よりも分散シフトによる性能劣化を予測できる。
論文参考訳（メタデータ） (2025-11-16T11:05:02Z)
Optimizing Multi-Lane Intersection Performance in Mixed Autonomy Environments [0.0]
本稿では,グラフ注意ネットワーク(GAT)とSoft Actor-Critic(SAC)強化学習を組み合わせた新しい交通信号制御フレームワークを提案する。提案したSACは、エントロピー最適化決定による適応的な信号制御を可能にする頑健な非政治強化学習アルゴリズムである。実験の結果,従来の手法と比較して平均遅延時間を24.1%削減し,トラフィック違反を29.2%減少させることにより,GAT-SACアプローチの有効性を示した。
論文参考訳（メタデータ） (2025-11-04T03:10:47Z)
Robust Single-Agent Reinforcement Learning for Regional Traffic Signal Control Under Demand Fluctuations [5.784337914162491]
交通渋滞は、主に交差点の待ち行列によって引き起こされ、都市生活水準、安全性、環境品質、経済効率に大きな影響を及ぼす。本研究では,地域適応型TSCのための新しい単エージェント強化学習フレームワークを提案する。このフレームワークは堅牢な反ゆらぎ能力を示し、待ち時間を大幅に短縮する。
論文参考訳（メタデータ） (2025-11-01T13:18:50Z)
Joint Channel Estimation and Computation Offloading in Fluid Antenna-assisted MEC Networks [81.36647816787713]
チャネル推定の遅延を最小限に抑えるためのFA支援オフロードフレームワークを提案する。提案方式は,効率的な通信を行う場合の精度を大幅に低下させることを示す。
論文参考訳（メタデータ） (2025-09-16T08:48:44Z)
Improving Traffic Flow Predictions with SGCN-LSTM: A Hybrid Model for Spatial and Temporal Dependencies [55.2480439325792]
本稿ではSGCN-LSTM(Signal-Enhanced Graph Convolutional Network Long Short Term Memory)モデルを提案する。 PEMS-BAYロードネットワークトラフィックデータセットの実験は、SGCN-LSTMモデルの有効性を示す。
論文参考訳（メタデータ） (2024-11-01T00:37:00Z)
Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
論文参考訳（メタデータ） (2023-06-15T14:50:27Z)
AI-aided Traffic Control Scheme for M2M Communications in the Internet of Vehicles [61.21359293642559]
交通のダイナミクスと異なるIoVアプリケーションの異種要求は、既存のほとんどの研究では考慮されていない。本稿では,ハイブリッド交通制御方式とPPO法を併用して検討する。
論文参考訳（メタデータ） (2022-03-05T10:54:05Z)
Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
論文参考訳（メタデータ） (2021-02-05T19:57:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。