Buchumschlag

MTLight: Efficient Multi-Task Reinforcement Learning for Traffic Signal Control

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Liwen, Peng, Peixi, Lu, Zongqing, Tian, Yonghong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MetaVIM: Meta Variationally Intrinsic Motivated Reinforcement Learning for Decentralized Traffic Signal Control
von: Zhu, Liwen, et al.
Veröffentlicht: (2021)

Deep Reinforcement Learning with Spiking Q-learning
von: Chen, Ding, et al.
Veröffentlicht: (2022)

Fully Spiking Actor Network with Intra-layer Connections for Reinforcement Learning
von: Chen, Ding, et al.
Veröffentlicht: (2024)

Sensitivity Decouple Learning for Image Compression Artifacts Reduction
von: Ma, Li, et al.
Veröffentlicht: (2024)

A Robust and Efficient Multi-Agent Reinforcement Learning Framework for Traffic Signal Control
von: Huang, Sheng-You, et al.
Veröffentlicht: (2026)

Adaptive Discovering and Merging for Incremental Novel Class Discovery
von: Chen, Guangyao, et al.
Veröffentlicht: (2024)

Fully Decentralized Cooperative Multi-Agent Reinforcement Learning: A Survey
von: Jiang, Jiechuan, et al.
Veröffentlicht: (2024)

Visual Grounding for Object-Level Generalization in Reinforcement Learning
von: Jiang, Haobin, et al.
Veröffentlicht: (2024)

Toward Dependency Dynamics in Multi-Agent Reinforcement Learning for Traffic Signal Control
von: Zhang, Yuli, et al.
Veröffentlicht: (2025)

Delta-Triplane Transformers as Occupancy World Models
von: Xu, Haoran, et al.
Veröffentlicht: (2025)

HALO: Hierarchical Reinforcement Learning for Large-Scale Adaptive Traffic Signal Control
von: Zhu, Yaqiao, et al.
Veröffentlicht: (2025)

Integrating Transit Signal Priority into Multi-Agent Reinforcement Learning based Traffic Signal Control
von: Kwesiga, Dickness Kakitahi, et al.
Veröffentlicht: (2024)

Mildly Conservative Q-Learning for Offline Reinforcement Learning
von: Lyu, Jiafei, et al.
Veröffentlicht: (2022)

PyTSC: A Unified Platform for Multi-Agent Reinforcement Learning in Traffic Signal Control
von: Bokade, Rohit, et al.
Veröffentlicht: (2024)

Multi-hop Upstream Anticipatory Traffic Signal Control with Deep Reinforcement Learning
von: Li, Xiaocan, et al.
Veröffentlicht: (2024)

Generalized Phase Pressure Control Enhanced Reinforcement Learning for Traffic Signal Control
von: Liao, Xiao-Cheng, et al.
Veröffentlicht: (2025)

Optimizing Traffic Signal Control using High-Dimensional State Representation and Efficient Deep Reinforcement Learning
von: Francis, Lawrence, et al.
Veröffentlicht: (2024)

OffLight: An Offline Multi-Agent Reinforcement Learning Framework for Traffic Signal Control
von: Bokade, Rohit, et al.
Veröffentlicht: (2024)

X-Light: Cross-City Traffic Signal Control Using Transformer on Transformer as Meta Multi-Agent Reinforcement Learner
von: Jiang, Haoyuan, et al.
Veröffentlicht: (2024)

Towards Multi-agent Reinforcement Learning based Traffic Signal Control through Spatio-temporal Hypergraphs
von: Wang, Kang, et al.
Veröffentlicht: (2024)

Single-agent Reinforcement Learning Model for Regional Adaptive Traffic Signal Control
von: Li, Qiang, et al.
Veröffentlicht: (2025)

Traffic-R1: Reinforced LLMs Bring Human-Like Reasoning to Traffic Signal Control Systems
von: Zou, Xingchen, et al.
Veröffentlicht: (2025)

Understanding What Affects the Generalization Gap in Visual Reinforcement Learning: Theory and Empirical Evidence
von: Lyu, Jiafei, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Adaptive Traffic Signal Control: Turn-Based and Time-Based Approaches to Reduce Congestion
von: Rafique, Muhammad Tahir, et al.
Veröffentlicht: (2024)

Enhancing Traffic Signal Control through Model-based Reinforcement Learning and Policy Reuse
von: Li, Yihong, et al.
Veröffentlicht: (2025)

SignalClaw: LLM-Guided Evolutionary Synthesis of Interpretable Traffic Signal Control Skills
von: Lei, Da, et al.
Veröffentlicht: (2026)

Multi-Agent Guided Policy Optimization
von: Li, Yueheng, et al.
Veröffentlicht: (2025)

VAPO: Efficient and Reliable Reinforcement Learning for Advanced Reasoning Tasks
von: Yue, Yu, et al.
Veröffentlicht: (2025)

MalLight: Influence-Aware Coordinated Traffic Signal Control for Traffic Signal Malfunctions
von: Yang, Qinchen, et al.
Veröffentlicht: (2024)

From Single Agent to Multi-Agent: Improving Traffic Signal Control
von: Tislenko, Maksim, et al.
Veröffentlicht: (2024)

Robust Single-Agent Reinforcement Learning for Regional Traffic Signal Control Under Demand Fluctuations
von: Li, Qiang, et al.
Veröffentlicht: (2025)

Communication Strategy on Macro-and-Micro Traffic State in Cooperative Deep Reinforcement Learning for Regional Traffic Signal Control
von: Gu, Hankang, et al.
Veröffentlicht: (2025)

Efficient Multi-Task Reinforcement Learning with Cross-Task Policy Guidance
von: He, Jinmin, et al.
Veröffentlicht: (2025)

Bayesian Critique-Tune-Based Reinforcement Learning with Adaptive Pressure for Multi-Intersection Traffic Signal Control
von: Duan, Wenchang, et al.
Veröffentlicht: (2024)

ReasonLight: A Multimodal Foundation Model-Enhanced Reinforcement Learning Framework for Zero-Shot Traffic Signal Control
von: Pang, Aoyu, et al.
Veröffentlicht: (2026)

Deep Reinforcement Learning for Traffic Light Control in Intelligent Transportation Systems
von: Zhu, Ming, et al.
Veröffentlicht: (2023)

SynTraC: A Synthetic Dataset for Traffic Signal Control from Traffic Monitoring Cameras
von: Chen, Tiejin, et al.
Veröffentlicht: (2024)

A Semi Centralized Training Decentralized Execution Architecture for Multi Agent Deep Reinforcement Learning in Traffic Signal Control
von: Rezaali, Arash, et al.
Veröffentlicht: (2025)

AdaRefiner: Refining Decisions of Language Models with Adaptive Feedback
von: Zhang, Wanpeng, et al.
Veröffentlicht: (2023)

MacLight: Multi-scene Aggregation Convolutional Learning for Traffic Signal Control
von: Lee, Sunbowen, et al.
Veröffentlicht: (2024)