研究人员开发了一种新的去中心化多智能体强化学习（MARL）框架，该框架利用图神经网络（GNN）来管理交通波。这种方法允许联网和自动驾驶汽车（CAVs）仅使用本地信息和与附近车辆的交互来学习协作控制策略，使其在早期车联网（VANETs）中具有实用性。模拟表明，即使只有10%的车辆联网，这种基于GNN的MARL系统也能将交通波传播减少高达80%。 AI
影响 这项研究通过实现去中心化控制，有可能显著改善联网车辆网络中的交通流量和安全性。
排序理由 该集群包含一篇详细介绍新交通控制方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
- Connected and Automated Vehicles Symposium
- connected and autonomous vehicles
- GNN-based MARL
- graph neural network
- Multi-agent reinforcement learning
- Vehicular Ad Hoc Networks
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
