LLM增强的交通控制系统SIGMA可减少延误

研究人员开发了SIGMA，一个新颖的强化学习框架，用于交通信号控制，该框架包含一个大型语言模型（LLM），用于自适应目标调整。该系统可以解释自然语言指令来调整优先级，例如为紧急车辆调整优先级，而无需手动进行奖励工程。在城市交叉口模拟中，SIGMA在减少等待时间和排队长度、同时提高吞吐量方面取得了显著的改进。 AI

影响 这个LLM增强的系统可以通过自适应交通信号控制来改善城市交通和紧急响应时间。

排序理由 该集群包含一篇详细介绍新的交通管理AI框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Deep Q-Network
• Gotit.pub
• Hugging Face
• Kolkata
• ScienceCast
• SIGMA
• SUMO

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →