PulseAugur
中
实时 07:21:53
English(EN) Compact Latent Coordination for Autonomous Vehicles at Unsignalized Intersections

新的MAPS架构增强了交叉路口自动驾驶汽车的协调能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了主代理原型规划系统（MAPS），这是一种新颖的层次化深度强化学习架构，旨在改善无信号灯交叉路口自动驾驶汽车之间的协调。MAPS利用一个集中的主代理生成紧凑的“原型计划”嵌入，然后由去中心化的工作代理将其与本地观测结合起来进行车辆控制。这种方法有效地将战略意图与战术执行分离，允许独立模块优化。在HighwayEnv模拟中的评估表明，MAPS能够实现无碰撞导航并显著减少行程时间，其性能优于现有方法，并且在比初始训练时更多的代理的情况下，对场景表现出强大的泛化能力。 AI

影响 这项研究通过改善自动驾驶汽车的协调能力，有望在复杂的城市环境中实现更安全、更高效的交通流量。

排序理由 该集群包含一篇详细介绍多代理强化学习新系统的研究论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的MAPS架构增强了交叉路口自动驾驶汽车的协调能力

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Gil Lifshits, Igal Bilik, Gilad Katz ·

    用于无信号交叉口自动驾驶汽车的紧凑型潜在协调

    arXiv:2607.21488v1 Announce Type: cross Abstract: Coordinating autonomous vehicles at unsignalized intersections remains a critical challenge for multi-agent reinforcement learning (MARL) systems, which typically struggle with combinatorial action spaces, reliance on privileged i…

  2. arXiv cs.MA (Multiagent) TIER_1 English(EN) · Gilad Katz ·

    用于无信号交叉口自动驾驶汽车的紧凑型潜在协调

    Coordinating autonomous vehicles at unsignalized intersections remains a critical challenge for multi-agent reinforcement learning (MARL) systems, which typically struggle with combinatorial action spaces, reliance on privileged information, or rigid agent designs. We propose Mas…

相关实体

相关话题