論文の概要: VehicleArena: A Realistic Urban Environment for Multi-Agent Driving

• arxiv url: http://arxiv.org/abs/2609.35916v2
• Date: Sun, 04 Oct 2026 00:58:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 04:43:28.406765
• Title: VehicleArena: A Realistic Urban Environment for Multi-Agent Driving
• Title（参考訳）: VehicleArena:マルチエージェント運転のための現実的な都市環境
• Abstract要約: VehicleArenaは、ダイナミックな共有世界で独立して運用するエージェントを研究するための3D都市走行ベンチマークである。 各エージェントの運転決定は、周囲のエージェントに対するトラフィックフロー、遅延、リスク、およびその後の観察を再形成することができる。 最も高い到着率はシングルエージェントタスクで65.0%、マルチエージェントタスクで65.6%である。
• 参考スコア（独自算出の注目度）: 49.5221375479554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-world embodied agents often pursue independent objectives within a shared physical environment, where their actions can alter the conditions faced by others. Existing benchmarks, however, typically assume shared goals or explicitly prescribed interaction protocols, leaving such emergent physical coupling underexplored. We introduce VehicleArena, a 3D urban-driving benchmark for studying independently operating agents in a dynamic shared world. In VehicleArena, LLM-controlled agents must fulfill evolving passenger requests while navigating complex traffic, and each agent's driving decisions can reshape traffic flow, delays, risks, and subsequent observations for surrounding agents. The benchmark provides 112 evaluation tasks spanning single-agent and multi-agent driving. Across nine evaluated models, the highest arrival rates reach only 65.0% on single-agent tasks and 65.6% on multi-agent tasks, while strong passenger-request or cabin scores do not reliably translate into successful trip completion. Moreover, in matched multi-agent runs, every tested focal policy reduces the arrival rate of surrounding vehicles relative to the simulator's native traffic controller, revealing measurable externalities beyond the focal vehicle itself.
• Abstract（参考訳）: 現実世界の具体化エージェントは、しばしば共有された物理的環境の中で独立した目的を追求する。 しかし、既存のベンチマークでは、通常、共有目標や明示的に定義された相互作用プロトコルを前提としており、そのような創発的な物理的結合は未探索のままである。 ダイナミックな共有世界におけるエージェントを独立して研究するための3D都市走行ベンチマークであるVabyArenaを紹介する。 VehicleArenaでは、LPMが制御するエージェントは、複雑なトラフィックをナビゲートしながら、進化する乗客の要求を満たす必要があり、各エージェントの運転決定は、周囲のエージェントに対するトラフィックフロー、遅延、リスク、およびその後の観察を再生成することができる。 ベンチマークでは、シングルエージェントとマルチエージェント駆動にまたがる112の評価タスクが提供されている。 9つの評価モデルで、最高到達率はシングルエージェントタスクで65.0%、マルチエージェントタスクで65.6%に過ぎなかった。 さらに、一致したマルチエージェント走行において、テストされた各焦点ポリシーは、シミュレータのネイティブトラフィックコントローラに対する周辺車両の到着率を低下させ、焦点車両自体以外の測定可能な外部性を明らかにする。

関連論文リスト

• Multi-Agent Embodied Autonomous Driving: From V2X Information Exchange to Shared World Models [16.06080006560829]
  自律運転は、孤立した車両の知性から、不確実性の下で知覚、推論意図、協調行動を共有するマルチエージェント・エンボディシステムへとシフトしている。 車両間通信(V2X)、協調認識、エージェント間認知、協調計画、エンドツーエンド協調運転、クローズドループ検証のためのシミュレーションとデータエンジンを含む380以上の出版物をレビューする。
  論文  参考訳（メタデータ） (2026-06-11T19:10:13Z)
• Heterogeneous Self-Play for Realistic Highway Traffic Simulation [42.67401323169807]
  PHASE, Policy for Heterogeneous Agent Self-play on Expresswayは、コンテキスト対応のセルフプレイフレームワークである。 例えば、旅客車やトレーラートラックなどの異なる車両のプロフィールを単一のポリシーでサポートしている。 96.3%の成功率でADE/FDEを6.57/12.07mから2.44/5.25mに下げる。
  論文  参考訳（メタデータ） (2026-03-31T19:39:29Z)
• Confidence-Regulated Generative Diffusion Models for Reliable AI Agent Migration in Vehicular Metaverses [55.70043755630583]
  車両用AIエージェントには、環境認識、意思決定、行動実行能力が与えられている。 本稿では、信頼性の高い車両用AIエージェントマイグレーションフレームワークを提案し、信頼性の高い動的マイグレーションと効率的なリソーススケジューリングを実現する。 我々は,AIエージェントのマイグレーション決定を効率的に生成する信頼性制御型生成拡散モデル(CGDM)を開発した。
  論文  参考訳（メタデータ） (2025-05-19T05:04:48Z)
• Reinforcement Learning with Latent State Inference for Autonomous On-ramp Merging under Observation Delay [6.0111084468944]
  遅延状態推論・安全制御(L3IS)エージェントを用いたレーンキーピング・レーンチェンジについて紹介する。 L3ISは、周囲の車両の意図や運転スタイルに関する包括的な知識を必要とせずに、オンランプのマージ作業を安全に行うように設計されている。 本稿では,観測遅延を考慮に入れたAL3ISというエージェントを改良し,実環境においてより堅牢な決定を行えるようにした。
  論文  参考訳（メタデータ） (2024-03-18T15:02:46Z)
• iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed Multi-Agent Reinforcement Learning [57.24340061741223]
  本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。 インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
  論文  参考訳（メタデータ） (2023-06-09T20:12:02Z)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)
• MIDAS: Multi-agent Interaction-aware Decision-making with Adaptive Strategies for Urban Autonomous Navigation [22.594295184455]
  そこで本研究では,エゴエージェントが他車の制御動作に影響を与えることを学習する,MIDASと呼ばれる強化学習手法を構築した。 MIDAS は広範にわたる実験により検証され,(i) 異なる道路測地をまたいで動作可能であること,(ii) 外部エージェントの駆動方針の変化に対して堅牢であること,(iv) インタラクション対応意思決定に対する既存のアプローチよりも効率的で安全であること,などが示されている。
  論文  参考訳（メタデータ） (2020-08-17T04:34:25Z)

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。