[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

MR-LDM - El modelo de decisión longitudinal reactivo de fusión: modelado de decisiones humanas basado en la teoría de juegos para agentes de simulación interactivos

Created by
  • Haebom

Autor

Dustin Holley, Jovin D'sa, Hossein Nourkhiz Mahjoub, Gibran Ali

Describir

Este artículo se centra en mejorar el entorno de simulación para reflejar de forma más realista el comportamiento de los conductores reales en el desarrollo de la tecnología de conducción autónoma. En particular, en el escenario de incorporación de vehículos a autopistas, proponemos un modelo de toma de decisiones tácticas basado en la teoría de juegos para superar las limitaciones del conjunto de acciones limitado o la función de recompensa con parámetros excesivos de los estudios existentes. Considerando la función de recompensa mejorada y el comportamiento de los diversos vehículos que siguen al conductor, construimos un modelo integrado de toma de decisiones y dinámico, explicable e interpretable. Verificamos la reproducibilidad de interacciones complejas mediante la verificación con un conjunto de datos real y verificamos la eficiencia computacional que puede utilizarse en el desarrollo de la conducción autónoma integrándolo en un entorno de simulación de alta fidelidad.

Takeaways, Limitations

Takeaways:
Un modelo de toma de decisiones tácticas basado en la teoría de juegos permite simulaciones de interacción más realistas en escenarios de fusión de carreteras.
Se mejoró el realismo y la explicabilidad del modelo al considerar una función de recompensa mejorada y varios comportamientos del vehículo seguidor.
Validar la practicidad y eficiencia del modelo validándolo con conjuntos de datos reales e integrándolo con entornos de simulación de alta fidelidad.
Soporte de simulación a gran escala disponible para el desarrollo de tecnología de conducción autónoma.
Limitations:
Se necesitan más investigaciones para determinar la generalización del modelo propuesto.
Se necesita validación adicional para diversas situaciones de incorporación de autopistas y tipos de conductores.
Es necesario tener en cuenta consideraciones adicionales respecto del posible aumento de los costos computacionales debido a la complejidad del modelo.
👍