ChatGPT能否赋能智能交通系统？基于强化学习的混合交通控制案例
人工智能
2023-09-27 v2 人机交互
机器学习
机器人学
摘要
强化学习（RL）在智能交通系统（ITS）中应用的激增促进了其发展，也凸显了关键挑战。然而，在交通控制与管理任务中定义RL智能体的目标，以及通过有效构建马尔可夫决策过程（MDP）使策略与这些目标对齐，可能颇具难度，且往往需要RL与ITS两方面的领域专家。近期大语言模型（LLM）如GPT-4的进展凸显了其在多领域的广博通用知识、推理能力与常识先验。在本工作中，我们开展了一项涉及70名参与者的大规模用户研究，以探究新手能否借助ChatGPT解决复杂的混合交通控制问题。测试了三种环境，包括环形道路、瓶颈与交叉口。我们发现ChatGPT结果喜忧参半。对于交叉口与瓶颈，相较于仅依靠初学者能力，ChatGPT使成功策略数量分别增加了150%与136%，其中部分甚至优于专家。然而，ChatGPT并未在所有场景中提供一致的改进。
引用
@article{arxiv.2306.08094,
title = {Can ChatGPT Enable ITS? The Case of Mixed Traffic Control via Reinforcement Learning},
author = {Michael Villarreal and Bibek Poudel and Weizi Li},
journal= {arXiv preprint arXiv:2306.08094},
year = {2023}
}