A Distributed Approach to Autonomous Intersection Management via Multi-Agent Reinforcement Learning

要約

自動交差点管理 (AIM) は、現実世界の交通シナリオの複雑な性質と、すべての車両を同時に制御する非常に高価な集中サーバーの必要性により、重大な課題を引き起こします。
この研究では、マルチエージェント強化学習 (MARL) を利用した AIM への新しい分散アプローチを提案することで、このような問題に対処します。
私たちは、高度な支援システムに 3D サラウンド ビュー テクノロジーを活用することで、自動運転車が集中コントローラーを必要とせずに交差点のシナリオを正確にナビゲートできることを示します。
したがって、この論文の貢献には、四差路交差点の自律管理のための MARL ベースのアルゴリズムと、トレーニング効果を向上させるための優先シナリオ再生と呼ばれる新しい戦略の導入が含まれます。
私たちは、従来の集中型 AIM 技術に代わる革新的なアプローチとして当社のアプローチを検証し、結果の完全な再現性を保証します。
具体的には、SMARTS プラットフォームを使用して仮想環境で実施された実験により、さまざまな指標におけるベンチマークに対する SMARTS プラットフォームの優位性が強調されています。

要約(オリジナル)

Autonomous intersection management (AIM) poses significant challenges due to the intricate nature of real-world traffic scenarios and the need for a highly expensive centralised server in charge of simultaneously controlling all the vehicles. This study addresses such issues by proposing a novel distributed approach to AIM utilizing multi-agent reinforcement learning (MARL). We show that by leveraging the 3D surround view technology for advanced assistance systems, autonomous vehicles can accurately navigate intersection scenarios without needing any centralised controller. The contributions of this paper thus include a MARL-based algorithm for the autonomous management of a 4-way intersection and also the introduction of a new strategy called prioritised scenario replay for improved training efficacy. We validate our approach as an innovative alternative to conventional centralised AIM techniques, ensuring the full reproducibility of our results. Specifically, experiments conducted in virtual environments using the SMARTS platform highlight its superiority over benchmarks across various metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google