論文の概要: A Real-Time Generalized Nash Equilibrium Framework for Interaction-Aware Autonomous Driving in Mixed Traffic
- arxiv url: http://arxiv.org/abs/2607.21043v1
- Date: Thu, 23 Jul 2026 08:25:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.334367
- Title: A Real-Time Generalized Nash Equilibrium Framework for Interaction-Aware Autonomous Driving in Mixed Traffic
- Title（参考訳）: 混合交通における対話型自律運転のためのリアルタイム一般化ナッシュ平衡フレームワーク
- Authors: Nouhed Naidja, Mohamed-Cherif Rahal, Steve Pechberti, Stéphane Font, Guillaume Sandou, Marc Revilloud,
- Abstract要約: 本稿では, Nash Generalized Equilibrium Problem (GNEP) として定式化する包括的意思決定フレームワークを提案する。
この問題をリアルタイムに解決するために,共有粒子群最適化(PSO)に基づく専用解法を提案する。
実験結果は、快適な人間のような軌道を生成することによって、重要なシナリオを扱うシステムの能力を示す。
ベンチマークは、解法が50秒未満で収束する可能性を確認する。
- 参考スコア（独自算出の注目度）: 0.2073116708774899
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Safe and efficient navigation in mixed-traffic environments remains a critical challenge for Autonomous Vehicles (AVs), primarily due to the complex interdependence between the AV's decisions and the unpredictable reactions of human drivers. This paper introduces a comprehensive decision-making framework that formulates the driving interaction as a Generalized Nash Equilibrium Problem (GNEP). Unlike decoupled optimization approaches, this framework explicitly models shared safety and geometric constraints, ensuring that the feasibility of the AV's strategy is dynamically linked to the opponent's actions. To solve this non-convex problem in real-time, we propose a dedicated solver based on Particle Swarm Optimization (PSO). The complete architecture was validated on a test track using a real autonomous Renault Zoé interacting with a human driver. Experimental results demonstrate the system's ability to handle critical scenarios by generating comfortable, human-like trajectories. Benchmarks confirm the solver's operational feasibility, achieving convergence in under 50 ms.
- Abstract（参考訳）: 混合交通環境における安全で効率的な航法は、主にAVの判断と人間の運転者の予測不可能な反応との複雑な相互依存のために、自律走行車(AV)にとって重要な課題である。
本稿では,一般的なナッシュ平衡問題 (GNEP) として駆動相互作用を定式化する包括的意思決定フレームワークを提案する。
分離された最適化アプローチとは異なり、このフレームワークは安全と幾何学的制約を明示的に共有し、AVの戦略の実現可能性が相手の行動に動的に関連していることを保証する。
この非凸問題をリアルタイムに解くために,Particle Swarm Optimization (PSO) に基づく専用解法を提案する。
完全なアーキテクチャは、人間のドライバーと対話する実際の自律ルノーゾエを使用して、テストトラックで検証された。
実験結果は、快適な人間のような軌道を生成することによって、重要なシナリオを扱うシステムの能力を示す。
ベンチマークは、50ms未満の収束を達成し、解決者の運用可能性を確認する。
関連論文リスト
- ADV-0: Closed-Loop Min-Max Adversarial Training for Long-Tail Robustness in Autonomous Driving [63.980630608984605]
本稿では、ゼロサムマルコフゲームとして、駆動ポリシー(ディフェンダー)と敵エージェント(アタックラー)の相互作用を扱うクローズドループのmin-max最適化フレームワークであるADV-0を提案する。
これを実現するため,我々は動的敵の進化を反復的な選好学習とし,この最適性を効率的に近似し,アルゴリズムに依存しない解をゲームに提供する。
実験により、多様な安全クリティカルな障害を効果的に露呈し、学習方針と運動プランナーの両方の一般化可能性を大幅に向上させることが示されている。
論文 参考訳（メタデータ） (2026-03-16T12:58:31Z) - An Evolutionary Game-Theoretic Merging Decision-Making Considering Social Acceptance for Autonomous Driving [13.850812748270293]
本稿では,人間ドライバーの有界合理性に基づく,進化的ゲーム理論(EGT)の統合意思決定フレームワークを提案する。
本稿では,人間ライクな運転嗜好を反映した多目的ペイオフ機能を備えたEGT問題として,カットイン決定過程を定式化する。
リアルタイム運転スタイル推定アルゴリズムを提案し,MVの即時反応を観察することにより,オンラインのゲームペイオフ機能を調整する。
論文 参考訳（メタデータ） (2025-08-09T19:18:28Z) - MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving [85.04826012938642]
MetAdvは、現実的でダイナミックでインタラクティブな評価を可能にする、新しい対向テストプラットフォームである。
フレキシブルな3D車両モデリングと、シミュレートされた環境と物理的環境のシームレスな遷移をサポートする。
生理的信号のリアルタイムキャプチャとドライバからの行動フィードバックを可能にする。
論文 参考訳（メタデータ） (2025-08-04T03:07:54Z) - Free Energy-Inspired Cognitive Risk Integration for AV Navigation in Pedestrian-Rich Environments [15.604017553153762]
自律走行車(AV)の行動計画の最近の進歩は、他の道路利用者との対話において、印象的な社会的相互作用能力を示している。
しかし, 複雑なマルチエージェント・インタラクティブ環境において, 脆弱な道路利用者とのインタラクションにおいて, ヒューマンライクな予測と意思決定を実現することが重要な課題である。
本稿では,AVと複数歩行者間のインタラクションをモデル化するための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2025-07-28T14:02:00Z) - Game-Theoretic Modeling of Vehicle Unprotected Left Turns Considering Drivers' Bounded Rationality [17.5324678856791]
車両の左旋回防止シナリオに対する新たな意思決定モデルを提案する。
我々のモデルは、ドライバーの有界合理性を考慮したゲーム理論を統合する。
本研究は,有界有理性を有する車両の意思決定行動に関する貴重な知見に寄与する。
論文 参考訳（メタデータ） (2025-07-02T02:22:11Z) - Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - CoPEM: Cooperative Perception Error Models for Autonomous Driving [20.60246432605745]
我々は、隠蔽対象の誤検知エラーとして現れる自律走行車(AV)の(車載)知覚に焦点を当てる。
本稿では,仮想テスト環境におけるV2Xソリューションの効果的な統合を実現するために,協調知覚誤りモデル(coPEM)の概念を導入する。
論文 参考訳（メタデータ） (2022-11-21T04:40:27Z)
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。