論文の概要: SIGN-MAPPO: State-Intent-Aware Graph Multi-Agent Reinforcement Learning for Cooperative Driving under Imperfect V2X
- arxiv url: http://arxiv.org/abs/2610.15577v1
- Date: Sun, 11 Oct 2026 12:43:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 17:47:30.926249
- Title: SIGN-MAPPO: State-Intent-Aware Graph Multi-Agent Reinforcement Learning for Cooperative Driving under Imperfect V2X
- Title（参考訳）: SIGN-MAPPO:不完全なV2X下での協調運転のための状態認識グラフ多エージェント強化学習
- Abstract要約: 不完全なV2X(SIGN-MAPPO)下での協調運転のための状態認識グラフマルチエージェント強化学習
各CAVは、まず、そのエゴ状態と利用可能なピアステートレコードから、受信者固有のトラフィックグラフを再構成する。
ローカルコンフリクト対応仲裁層は、潜在的な矛盾したピア情報にもかかわらず、それぞれのCAVの意図を安全な実行可能なアクションに変換する。
- 参考スコア（独自算出の注目度）: 8.420801671956157
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cooperative driving at mixed-traffic unsignalized intersections is challenged by imperfect vehicle-to-everything (V2X) communication, human-driven vehicle (HV) intentions that cannot be directly communicated, and the potential incompatibility of independently generated crossing decisions. This paper proposes State-Intent-Aware Graph Multi-Agent Reinforcement Learning for Cooperative Driving under Imperfect V2X (SIGN-MAPPO) to address these challenges through three coordinated mechanisms. Each decision-eligible connected and automated vehicle (CAV) first reconstructs a receiver-specific traffic graph from its ego state and the peer-state records available to it, from which a shared graph-attention policy generates a raw Stop/Go intention augmented with predicted HV-intent features. CAV intentions are then exchanged through timestamped vehicle-to-vehicle (V2V) messages, and a local conflict-aware arbitration layer converts each CAV's intention into a safe executable action despite potentially inconsistent peer information. In the principal Simulation of Urban MObility (SUMO) evaluation, SIGN-MAPPO achieves a 97.53% completion rate, a 0.10% collision rate, and a mean intersection traversal time of 35.28 s. Ablation studies further confirm the complementary contributions of HV-intent prediction and CAV-intent exchange to this performance. The trained policy also remains robust under the evaluated communication-delay and packet-loss ranges, and cross-scenario tests show complete traffic clearance across the tested settings, though safety margins narrow under compound unpredictable HV behavior.
- Abstract（参考訳）: 不完全な車両間通信(V2X)、直接通信できない人間駆動車両意図(HV)、独立に生成された交差決定の潜在的な非互換性によって、混在した信号のない交差点での協調運転が課題となる。
本稿では,3つの協調機構によってこれらの課題に対処する,不完全なV2X(SIGN-MAPPO)下での協調運転のための状態認識グラフ多エージェント強化学習を提案する。
各CAVは、まず、そのエゴ状態と利用可能なピアステートレコードから受信者固有のトラフィックグラフを再構成し、その上で、共有グラフアテンションポリシーが予測されたHVインテント特徴を付加した生のStop/Go意図を生成する。
CAVの意図は、タイムスタンプされた車両間通信(V2V)メッセージを介して交換され、ローカルのコンフリクト対応仲裁層は、潜在的な一貫性のないピア情報にもかかわらず、各CAVの意図を安全な実行可能なアクションに変換する。
都市運動の主シミュレーション(SUMO)では、SIGN-MAPPOは97.53%の完成率、0.10%の衝突率、平均交叉時間35.28秒を達成する。
アブレーション研究は、この性能に対するHVインテント予測とCAVインテント交換の相補的な寄与をさらに確認する。
トレーニングされたポリシーは、評価された通信遅延とパケットロス範囲の下でも堅牢であり、クロスシナリオテストはテスト設定全体にわたって完全なトラフィッククリアランスを示すが、複雑な予測不可能なHV動作では安全マージンが狭くなる。
関連論文リスト
- VIPS: Vehicle-Infrastructure Cooperative Planning Benchmark via Pseudo-Simulation [50.18051979020699]
VIPSは擬似シミュレーションに基づくV2I設定における協調自動運転のベンチマークである。
CoS-V2Xはスパース表現に基づく協調計画フレームワークである。
論文 参考訳（メタデータ） (2026-09-02T11:32:52Z) - 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) - Dual-Interaction-Aware Cooperative Control Strategy for Alleviating Mixed Traffic Congestion [36.780597614300504]
コネクテッド・アンド・オートマチック・ビークル(CAV)は、協調戦略による交通渋滞を著しく低減することが期待されている。
混在交通環境における人間適応型人間駆動車(HDV)の挙動の不確かさと多様性は、CAV協力にとって大きな課題である。
本稿では、局所的およびグローバルな相互作用知覚を両立させるDIACC(Dual-Interaction-Aware Cooperative Control)戦略を提案する。
論文 参考訳（メタデータ） (2026-03-04T09:00:49Z) - Spatiotemporal Semantic V2X Framework for Cooperative Collision Prediction [5.862522659881676]
交通システム(ITS)は、道路の安全を確保し、事故の深刻度を低減するために、リアルタイムの衝突予測を要求する。
従来のアプローチは、道路側ユニット(RSU)から車両に生または高次元の知覚データを送信することに依存していた。
RSU搭載ビデオカメラが将来のフレームのセマンティック埋め込みを生成するセマンティックV2Xフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-23T23:02:04Z) - UNCAP: Uncertainty-Guided Planning Using Natural Language Communication for Cooperative Autonomous Vehicles [79.10221881250759]
不確実性誘導自然言語協調自律計画(UNCAP)は、視覚言語モデルに基づく計画手法である。
CAVは、意思決定における認識の不確実性を明示的に考慮しながら、軽量な自然言語メッセージを介して通信することができる。
多様な運転シナリオに対する実験では、通信帯域幅が63%減少し、運転安全スコアが31%増加し、決定の不確実性が61%減少し、衝突距離マージンが4倍増加した。
論文 参考訳（メタデータ） (2025-10-14T21:09:09Z) - Consensus-Aware AV Behavior: Trade-offs Between Safety, Interaction, and Performance in Mixed Urban Traffic [0.0]
自動走行車(AV)の安全性、相互作用品質、交通性能のコンセンサスを定量化することを目的としている。
Time-to-Collision (TTC), Post-Encroachment Time (PET), deceleration pattern, Headway, string stabilityなど,主要な指標を評価した。
その結果,AV-VRUインタラクションフレームの1.63%が3つの条件をすべて満たしているという,安全性,インタラクション,パフォーマンスに関する完全なコンセンサスは稀であることがわかった。
論文 参考訳（メタデータ） (2025-05-07T12:59:59Z) - 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) - Convergence of Communications, Control, and Machine Learning for Secure
and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。
本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文 参考訳（メタデータ） (2023-07-05T21:38:36Z) - Interruption-Aware Cooperative Perception for V2X Communication-Aided
Autonomous Driving [49.42873226593071]
本稿では,V2X通信支援自律運転のためのV2X通信入出力対応協調知覚(V2X-INCOP)を提案する。
我々は、過去の協力情報を用いて、割り込みによる行方不明情報を復元し、割り込み問題の影響を軽減する。
3つの公的な協調認識データセットの実験から,コミュニケーション中断が協調知覚に与える影響を緩和するために提案手法が有効であることが示された。
論文 参考訳（メタデータ） (2023-04-24T04:59:13Z)
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。