SignalClaw: LLMによるガイド付き進化的合成で、解釈可能な交通信号制御スキルを生成する

Abstract

交通信号制御（TSC）では、導入のために有効でありながら解釈可能な戦略が必要だが、強化学習は不透明なニューラル方策を生成し、プログラム合成は制約の強い領域固有言語に依存する。私たちは、適応型TSCのために、LLM（大規模言語モデル）を進化的なスキル生成器として用い、解釈可能な制御スキルを合成・洗練する枠組み「SIGNALCLAW」を提示する。各スキルには、根拠、選択ガイダンス、実行可能コードが含まれており、人が検査でき、自己文書化された方策を実現する。各世代において、キューのパーセンタイル、遅延の傾向、停滞といったシミュレーション指標から得られる進化の信号を自然言語のフィードバックへと翻訳し、改善を導く。SignalClawはさらに、イベント駆動型の合成的進化も導入する。イベント検出器が、TraCIを通じて緊急車両、トランジット優先、事故、渋滞を特定し、優先ディスパッチャが専門化されたスキルを選択する。各スキルは独立に進化し、優先チェーンによって再学習なしで実行時に合成できる。私たちは、SignalClawを、通常シナリオおよびイベントを注入したSUMOシナリオで、4つのベースラインと比較評価する。通常シナリオでは、平均遅延が7.8〜9.2秒で、最良手法に対して3〜10%以内を達成し、乱数シード間で分散が小さい。イベントシナリオでは、緊急車両の遅延が最小で11.2〜18.5秒となり、MaxPressureの42.3〜72.3秒、DQNの78.5〜95.3秒より大幅に低い。また、トランジットの人の遅延も最小で9.8〜11.5秒となり、MaxPressureの38.7〜45.2秒より低い。混在イベントでは、ディスパッチャがスキルを効果的に合成しつつ、全体の遅延を安定に保つ。進化したスキルは、単純な線形ルールから、多特徴の相互作用を伴う条件付き戦略へと発展しながら、完全に解釈可能であり、交通技術者が直接改変できる状態を維持する。