COIN：自己運転システムのための協調的インタラクション認識型マルチエージェント強化学習
arXiv cs.RO / 2026/3/27
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、高密度かつ動的な交通シナリオにおけるマルチエージェント自己運転システムの協調と安全性を向上させることを目的とした、協調的かつインタラクション認識型のマルチエージェント強化学習フレームワーク「COIN」を提案する。
- COINは、新たに開発したCIG-TD3アルゴリズムを用いたCTDE構成により、改善されたクレジット割当によって、個々のナビゲーション目標とグローバルな協調目的を共同で最適化する。
- 局所的なペア間相互作用と、システム全体レベルの依存関係の両方をモデル化する、デュアルレベルのインタラクション認識型セントラライズド・クリティック・アーキテクチャを提案し、価値推定を強化する。
- 大規模な高密度都市シミュレーションにより、COINが、エージェント数の異なる条件において、安全性と効率の両面で複数の強力なMARLベースラインを上回ることが示される。
- 本手法は、実世界のロボット実証によっても検証されており、補足資料はオンラインで提供される。
