Emergent behaviors and scalability for multi-agent reinforcement learning-based pedestrian models

این مقاله رفتارهای شدید گروههای عابر پیاده را که از طریق مدل یادگیری تقویت چندگانه توسعه یافته در گروه ما یاد می گیرد، بررسی می کند. پنج سناریو که در ادبیات مدل عابر پیاده مورد مطالعه قرار گرفتند و با سطوح مختلف پیچیدگی، به منظور تحلیل قدرت و مقیاس پذیری مدل، شبیه سازی شدند. در ابتدا، یک گروه کاهش یافته از عوامل باید با تعامل با محیط زیست در هر سناریو یاد بگیرند. در این مرحله هر عامل یک کنترل کننده سینماتیک خود را می آموزد که در یک زمان شبیه سازی رانندگی می کند. در مرحله دوم، تعدادی از عوامل شبیه سازی شده در هر سناریویی که متقاضیان قبلا آموخته اند، افزایش می یابد تا آزمایش رفتار ظاهری ماکروسکوپیک بدون یادگیری اضافی را آزمایش کنند. این استراتژی به ما امکان می دهد تا ثبات و انسجام و کیفیت رفتارهای آموخته شده را ارزیابی کنیم. برای این منظور از ابزارهای مختلفی از پویایی عابر پیاده استفاده شده است، مانند نمودارهای اساسی و نقشه های چگالی. نتایج نشان می دهد که مدل توسعه یافته قادر به شبیه سازی رفتارهای رفتاری میکرو و ماکرو انسان برای سناریوهای شبیه سازی شده مورد مطالعه قرار گرفته است، از جمله مواردی که تعداد عابران پیاده شده با یک مرتبه از لحاظ مقیاس با توجه به وضعیت آموخته شده اند.