文献

J-GLOBAL ID：202002227744499413   整理番号：20A1117797

協調マルチエージェント深層強化学習による微視的交通シミュレーション【JST・京大機械翻訳】

Microscopic Traffic Simulation by Cooperative Multi-agent Deep Reinforcement Learning

著者 (3件)： Bacchiani Giulio (VisLab & University of Parma, Parma, Italy) ,  Molinari Daniele (VisLab, Parma, Italy) ,  Patander Marco (VisLab, Parma, Italy)
資料名： ACM Proceedings  (ACM Proceedings)
号： AAMAS ’19  ページ： 1547-1555  発行年： 2019年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： エキスパートの人間運転者は,交通法則と彼らの以前の経験に依存する行動を実行する。交通法則は人工脳に容易に埋め込まれているが,過去の経験に由来する人間の複雑な挙動のモデリングはより挑戦的な課題である。これらの挙動の一つは,運転者が混雑したラウンドに入っているときに,運転行動を通しての方法の権利を伝達する能力であり,他の車の動きを観察して,マージに最良の時間を推測することである。さらに,各運転者は自分自身の独特の運転スタイルを持っており,それは,年齢や視線の質のような個人的特性と,遅いか悪い気分のような外部要因の両方によって調整されている。これらの理由のために,異なる運転者間の相互作用は,現実的な方法でシミュレートすることは自明ではない。本論文では,この問題を,視覚フレームの組合せに基づく深い強化学習アルゴリズムを用いた微視的シミュレータを開発し,車両周りの知覚と数値パラメータのベクトルを表現することにより検討した。特に,非同期加算器-臨界と呼ばれるアルゴリズムは,あらゆるエージェントが他の類似エージェントと相互作用するように学習する必要があるマルチエージェントシナリオに拡張されている。さらに,このモデルは,各車両の駆動スタイルがその入力パラメータのいくつかを調整することにより調整可能であり,異なるレベルの攻撃性と望ましい巡航速度を持つ運転者をシミュレートすることができるような新しいアーキテクチャを含んでいる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  視覚 ,  相互作用 ,  ベクトル ,  シミュレータ ,  加算器 ,  臨界 ,  計算機アーキテクチャ ,  *エージェント ,  *強化学習 ,  マルチエージェントシステム ,  学習アルゴリズム
準シソーラス用語： *交通シミュレーション ,  運転行動 ,  *マルチエージェント , 【Automatic Indexing@JST】

著者キーワード (4件)： エージェント協調と交渉 ,  深部強化学習 ,  微視的交通シミュレーション ,  マルチエージェントシステム

分類 (1件)： 運転者  (TB01040V)

タイトルに関連する用語 (4件)： 協調 ,  マルチエージェント ,  深層強化学習 ,  交通シミュレーション