基于通用通信方法的多智能体强化学习交通信号控制
人工智能
2022-04-27 v1
摘要
在多路口的真实复杂交通场景中，如何有效协调路口间的通信是一项挑战。现有方法仅以启发式方式实现通信，未考虑待共享信息的内容/重要性。本文提出一种路口间的通用通信形式 UniComm。UniComm 将一个智能体收集的大量观测嵌入其对邻居影响的关键预测中，从而提高了通信效率，并且可通用于现有方法。我们还提出了一个简洁的网络 UniLight，以充分利用 UniComm 所实现的通信。在真实数据集上的实验结果表明，UniComm 能普遍提升现有 SOTA 方法的性能，且 UniLight 在广泛的交通情境下显著优于现有方法。
引用
@article{arxiv.2204.12190,
title = {Multi-Agent Reinforcement Learning for Traffic Signal Control through Universal Communication Method},
author = {Qize Jiang and Minhao Qin and Shengmin Shi and Weiwei Sun and Baihua Zheng},
journal= {arXiv preprint arXiv:2204.12190},
year = {2022}
}
备注
IJCAI 2022