Realistic pedestrian-driver interaction modelling using multi-agent RL with human perceptual-motor constraints
Created by
Haebom
Category
Empty
저자
Yueyang Wang, Mehmet Dogar, Gustav Markkula
개요
본 연구는 보행자와 운전자 간의 상호 작용을 모델링하기 위해 시각적 및 운동적 제약 조건을 통합한 다중 에이전트 강화 학습(RL) 프레임워크를 제안합니다. 신호등 없는 횡단보도에서의 실제 데이터셋을 사용하여 모델을 평가하고, 제약 조건의 영향을 분석했습니다. 시각 및 운동 제약 조건을 모두 갖춘 모델이 가장 우수한 성능을 보였으며, 소규모 데이터셋에서도 감독 학습 방식보다 효과적인 것으로 나타났습니다. 또한, 인간 제약 조건을 모집단 수준의 분포로 모델링하여 개별 차이를 고려하는 새로운 시각을 제시했습니다.
시사점, 한계점
•
시사점:
◦
시각 및 운동 제약 조건을 통합한 RL 모델은 현실적인 보행자-운전자 상호 작용 시뮬레이션에 효과적입니다.
◦
운동 제약 조건은 부드러운 움직임을 유도하고, 시각 제약 조건은 보다 신중하고 변화하는 행동을 유발합니다.
