自己対戦を超えて：閉ループ交通シミュレーションにおける連続運動のための階層的推論

本論文は、closed-loop traffic simulation において、scalable かつ behaviorally realistic な agent を実現するための hierarchical architecture を提案する。self-play reinforcement learning の限界を超え、high-level な multi-agent interaction reasoning と low-level な continuous trajectory realization を組み合わせる。具体的には、Stackelberg-style Multi-Agent Reinforcement Learning (MARL) module が interaction-aware intention commands を生成し、それが low-level continuous motion module を条件付け、戦略的意図を物理的に整合した scene-responsive control sequences に変換する。closed-loop de…

- 先行研究: recent self-play reinforcement learning approaches は strong scalability を示すが、equilibrium strategies が real human drivers の socially aware behaviors を捉えられない。 - 本研究: self-play を超え、high-level multi-agent interaction reasoning と low-level continuous trajectory realization を階層的に組み合わせる。 - 結果: SUMO-based urban network で self-play および passive imitation baselines より superior control smoothness and safety を達成し、competitive traffic efficiency を維持。

- hierarchical architecture: high-level multi-agent interaction reasoning と low-level continuous trajectory realization を統合。 - Stackelberg-style MARL module: interaction-aware intention commands を生成。 - low-level continuous motion module: intention commands を条件として、physically consistent, scene-responsive control sequences を生成。 - hybrid co-training scheme: MARL と auxiliary recovery supervision を組み合わせ、closed-loop deployment での distribution shift を緩和。

- SUMO-based urban network での実験。 - 評価指標: control smoothness, safety, traffic efficiency。 - 比較対象: self-play baselines, passive imitation baselines。 - 結果: 提案フレームワークは superior control smoothness and safety を達成し、competitive traffic efficiency を維持。

- 要旨からは不明。

- self-play reinforcement learning approaches - passive imitation baselines - Stackelberg-style Multi-Agent Reinforcement Learning (MARL) - SUMO-based urban network simulation