AgentsCoMerge：大型语言模型强化的合作决策系统用于匝道合流
内容提要
本文提出了一种名为RAMRL的多模态强化学习方法，旨在解决自动驾驶中的匝道合流问题。通过无线通信和多模态观察，利用PPO学习策略模型优化合流操作，实验结果表明该算法在SUMO平台上有效且高效。此外，研究还介绍了L3IS代理，能够在动态交通中安全合流，显示出高成功率。
延伸解读
多模态融合与通信在合流中的角色
RAMRL方法通过CAVs间的无线通信，结合BSM与监视图像提供多模态观察，利用PPO学习策略模型优化方向盘控制。这种设计旨在提升合流操作的可靠性，实验在SUMO平台上验证了其有效性和高效性。多模态数据互补有助于应对复杂交通环境，而通信则增强了车辆间的协同决策能力。
L3IS与AL3IS：应对不确定性与延迟
L3IS代理能在缺乏周围车辆意图和驾驶风格全面知识的情况下安全执行匝道合流，基于真实美国101高速公路数据的模拟中成功率达99.90%。其增强版AL3IS进一步考虑观测延迟，在1秒车辆间通信延迟下仍保持93.84%的成功率，显示出对通信延迟的鲁棒性，为实际部署提供了参考。
研究脉络与对比视角
文章梳理了匝道合流决策的多条技术路线，包括多智能体强化学习、POMDP与蒙特卡洛树搜索、博弈论控制器以及大型语言模型驱动的方法。这些工作分别从协同、意图推断、安全监督等角度切入，而RAMRL与L3IS系列则聚焦于多模态感知和通信延迟下的稳健决策，形成了互补的研究图景。
Q&A
RAMRL方法是如何优化自动驾驶中的匝道合流操作的？
RAMRL方法通过无线通信和多模态观察，利用PPO学习策略模型来优化合流操作。
L3IS代理在动态交通中表现如何？
L3IS代理在动态交通中显示出99.90%的成功率，能够安全合流。
AL3IS代理与L3IS代理有什么不同？
AL3IS代理考虑观测延迟，允许在具有车辆间通信延迟的环境中做出稳健决策，成功率为93.84%。
实验结果如何验证RAMRL方法的有效性？
实验结果表明，RAMRL方法在SUMO平台上表现出有效性和高效性。
多模态观察在自动驾驶合流中有什么作用？
多模态观察通过提供BSM与监视图像，增强了合流操作的可靠性。
如何评估AL3IS代理对观测延迟的鲁棒性？
通过灵敏度分析，AL3IS在1秒的车辆间通信延迟下取得了93.84%的成功率。
