論文の概要: Choose Your Game Wisely: Measuring Game-Theoretic Structures in Real-World Vehicle Interactions
- arxiv url: http://arxiv.org/abs/2608.25917v1
- Date: Wed, 26 Aug 2026 15:32:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.885849
- Title: Choose Your Game Wisely: Measuring Game-Theoretic Structures in Real-World Vehicle Interactions
- Title（参考訳）: リアル世界の車間相互作用におけるゲーム理論構造の測定
- Abstract要約: 本稿では,対話イベントを識別するための軌跡に基づく対話計測フレームワークを開発する。
実世界の6つの軌跡データセットにおけるフレームワークの評価を行った。
その結果,実世界の相互作用は同時的,逐次的,永続的に順序付けられた時間構造を示すことがわかった。
- 参考スコア（独自算出の注目度）: 10.926809514371142
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Game-theoretic models provide principled frameworks for modeling vehicle interactions, but their underlying temporal assumptions have not been systematically examined against real-world driving behavior. In particular, it remains unclear how simultaneous, sequential, and asymmetric interaction structures can be measured from vehicle trajectories. This paper develops a trajectory-based interaction measurement framework to identify interaction events and quantify behavioral change onset, temporal organization, post-onset response dynamics, and ordering stability. The framework uses behavioral deviations to verify candidate interactions. We evaluate the framework on six real-world trajectory datasets, including INTERACTION, highD, inD, rounD, Waymo Open Motion, and nuPlan, covering diverse road geometries, traffic environments, and interaction types. The results show that concurrent and sequential behavioral changes both constitute substantial proportions of observed following, merging, and conflicting interactions. Among sequential interactions, stable ordering is more prevalent than alternating ordering, indicating that persistent asymmetric roles are a common interaction structure. Importantly, temporal precedence does not necessarily coincide with a measurable behavioral response, indicating that temporal ordering alone may not be sufficient to characterize behavioral dependence. These findings show that real-world interactions exhibit concurrent, sequential, and persistently ordered temporal structures. Different game-theoretic formulations are therefore better regarded as complementary modeling abstractions for different interaction regimes rather than as a universal structure governing all vehicle interactions.
- Abstract（参考訳）: ゲーム理論モデルは、車両の相互作用をモデル化するための原則的なフレームワークを提供するが、その基礎となる時間的仮定は現実世界の運転行動に対して体系的に検討されていない。
特に、車両軌道からの同時、シーケンシャル、および非対称な相互作用構造がどの程度測定できるかは定かではない。
本稿では,対話イベントを識別し,行動変化のオンセット,時間的構造,後オンセット応答のダイナミクス,順序安定性を定量化するための軌跡に基づく対話計測フレームワークを開発する。
このフレームワークは、振る舞いの偏りを利用して、候補間の相互作用を検証する。
InterACTION, HighD, inD, rounD, Waymo Open Motion, nuPlanを含む6つの現実世界の軌跡データセット上で, 多様な道路地形, 交通環境, インタラクションタイプについて検討した。
その結果、同時および逐次的な行動変化は、観測されたフォロー、マージ、競合する相互作用のかなりの割合を占めることが明らかとなった。
連続的な相互作用の中で、安定な順序付けは交互な順序付けよりも一般的であり、永続的な非対称な役割が共通の相互作用構造であることを示している。
重要なことは、時間的優先は必ずしも測定可能な行動応答と一致せず、時間的順序だけでは行動依存を特徴づけるには不十分であることを示している。
これらの結果から,実世界の相互作用は同時的,逐次的,永続的に順序付けられた時間構造を示すことが明らかとなった。
したがって、異なるゲーム理論の定式化は、全ての車両の相互作用を統括する普遍的な構造というよりは、異なる相互作用体制に対する相補的なモデリング抽象化と見なされる。
関連論文リスト
- BEHAVE: A Hybrid AI Framework for Real-Time Modeling of Collective Human Dynamics [0.0]
既存のAIシステムは、グループを安定させるか、エスカレーションやブレークダウンに移行するかを判断する集合的ダイナミクスを捉えていない。
相互作用空間上で定義された連続挙動場として集合力学をモデル化する形式的フレームワークであるBEHAVEを紹介する。
再検討された同じ分野は、群衆の安全、危機チームダイナミクス、教育、臨床状況に適用できる。
論文 参考訳（メタデータ） (2026-05-12T20:32:02Z) - Chatting about Conditional Trajectory Prediction [9.783060985404386]
条件付き軌道予測(CiT)のためのクロス時間領域意図対話法を提案する。
提案したCitは、時間とともに行動意図を共同で分析し、異なる時間領域における情報補完と統合を実現する。
さらに、CitTはロボットの動き計画と制御モジュールと密に統合し、任意の軌道予測結果を生成するように設計されている。
論文 参考訳（メタデータ） (2026-04-20T11:44:16Z) - AsyReC: A Multimodal Graph-based Framework for Spatio-Temporal Asymmetric Dyadic Relationship Classification [8.516886985159928]
ダイアドの社会的関係は、空間的経験と時間的経験の共有によって形成される。
これらの関係をモデル化するための現在の計算手法は3つの大きな課題に直面している。
非対称なダイアド関係分類のための多モードグラフベースのフレームワークAsyReCを提案する。
論文 参考訳（メタデータ） (2025-04-07T12:52:23Z) - Neural Interaction Energy for Multi-Agent Trajectory Prediction [55.098754835213995]
ニューラル・インタラクション・エナジー(MATE)によるマルチエージェント軌道予測(Multi-Agent Trajectory Prediction)というフレームワークを導入する。
MATEは神経相互作用エネルギーを用いてエージェントの対話運動を評価する。
時間的安定性を高めるために,エージェント間相互作用制約とエージェント内動作制約という2つの制約を導入する。
論文 参考訳（メタデータ） (2024-04-25T12:47:47Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous Driving [57.89801036693292]
PPAD(Iterative Interaction of Prediction and Planning Autonomous Driving)は、予測と計画のより良い統合を目的とした、タイムステップワイドなインタラクションである。
我々は,階層的動的キーオブジェクトに着目したego-to-agent,ego-to-map,ego-to-BEVインタラクション機構を設計し,インタラクションをモデル化する。
論文 参考訳（メタデータ） (2023-11-14T11:53:24Z) - DIDER: Discovering Interpretable Dynamically Evolving Relations [14.69985920418015]
本稿では,内在的解釈可能性を備えた汎用的なエンドツーエンドインタラクションモデリングフレームワークであるDIDER,Discovering Interpretable Dynamically Evolving Relationsを紹介する。
合成と実世界の両方のデータセット上でDIDERを評価する。
論文 参考訳（メタデータ） (2022-08-22T20:55:56Z) - Learning Interaction Variables and Kernels from Observations of
Agent-Based Systems [14.240266845551488]
本稿では,エージェントの軌道に沿った状態や速度の観測を前提として,相互作用カーネルが依存する変数と相互作用カーネル自体を両立させる学習手法を提案する。
これにより、高次元観測データから次元性の呪いを避ける効果的な次元削減が得られる。
我々は,本手法の学習能力を,様々な一階対話システムに示す。
論文 参考訳（メタデータ） (2022-08-04T16:31:01Z) - Interaction Transformer for Human Reaction Generation [61.22481606720487]
本稿では,時間的,空間的両方の注意を持つトランスフォーマーネットワークからなる対話型トランスフォーマー(InterFormer)を提案する。
我々の手法は一般的であり、より複雑で長期的な相互作用を生成するのに利用できる。
論文 参考訳（メタデータ） (2022-07-04T19:30:41Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z) - Unlimited Neighborhood Interaction for Heterogeneous Trajectory
Prediction [97.40338982628094]
マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。
具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。
階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
論文 参考訳（メタデータ） (2021-07-31T13:36:04Z)
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。