研究人员开发了一个新的议价框架，使用大型语言模型（LLM）来模拟自动驾驶汽车（AV）和人类驾驶汽车（HV）之间就道路空间分配进行的谈判。该框架允许代理根据其目标和私人信息进行沟通和谈判，超越了传统的博弈论和强化学习方法。实验表明，谈判分配会适应交通密度，但不严格遵循比例分配，并且以公平为导向的目标可以提高协议达成率，但不一定能提高道路空间利用率。研究还发现，领域知识对议价结果的影响因代理目标而异，影响协调和角色依赖的公平效应。 AI
影响 这项研究展示了LLM在交通管理等现实场景中进行复杂谈判和协调的潜力。
排序理由 学术论文，详细介绍了混合自主交通中基于LLM的新型议价框架。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
- arXiv
- autonomous vehicles
- Hugging Face
- human-driven vehicles
- large language models
- mixed-autonomy traffic
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
