Buchumschlag

Dyna-Style Learning with A Macroscopic Model for Vehicle Platooning in Mixed-Autonomy Traffic

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zou, Yichuan, Jin, Li, Xiong, Xi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Macroscopic Emission Modeling of Urban Traffic Using Probe Vehicle Data: A Machine Learning Approach
von: Adlouni, Mohammed Ali El, et al.
Veröffentlicht: (2025)

Dyna-Style Reinforcement Learning Modeling and Control of Non-linear Dynamics
von: Abdelsalam, Karim, et al.
Veröffentlicht: (2025)

Self-Interest and Systemic Benefits: Emergence of Collective Rationality in Mixed Autonomy Traffic Through Deep Reinforcement Learning
von: Chen, Di, et al.
Veröffentlicht: (2025)

DISC: Dataset for Analyzing Driving Styles In Simulated Crashes for Mixed Autonomy
von: Kumar, Sandip Sharan Senthil, et al.
Veröffentlicht: (2025)

Stealing That Free Lunch: Exposing the Limits of Dyna-Style Reinforcement Learning
von: Barkley, Brett, et al.
Veröffentlicht: (2024)

Physics-Informed Model and Hybrid Planning for Efficient Dyna-Style Reinforcement Learning
von: Asri, Zakariae El, et al.
Veröffentlicht: (2024)

Dyna-Style Safety Augmented Reinforcement Learning: Staying Safe in the Face of Uncertainty
von: Eisele, Artur, et al.
Veröffentlicht: (2026)

TP-Blend: Textual-Prompt Attention Pairing for Precise Object-Style Blending in Diffusion Models
von: Jin, Xin, et al.
Veröffentlicht: (2026)

When to Trust Your Data: Enhancing Dyna-Style Model-Based Reinforcement Learning With Data Filter
von: Li, Yansong, et al.
Veröffentlicht: (2024)

Aligning Microscopic Vehicle and Macroscopic Traffic Statistics: Reconstructing Driving Behavior from Partial Data
von: Zhang, Zhihao, et al.
Veröffentlicht: (2026)

Learning to Control and Coordinate Mixed Traffic Through Robot Vehicles at Complex and Unsignalized Intersections
von: Wang, Dawei, et al.
Veröffentlicht: (2023)

Multi-agent Reinforcement Learning for Cooperative Lane Changing of Connected and Autonomous Vehicles in Mixed Traffic
von: Zhou, Wei, et al.
Veröffentlicht: (2021)

Scaffolded Language Models with Language Supervision for Mixed-Autonomy: A Survey
von: Lin, Matthieu, et al.
Veröffentlicht: (2024)

Enhancing Safety in Mixed Traffic: Learning-Based Modeling and Efficient Control of Autonomous and Human-Driven Vehicles
von: Wang, Jie, et al.
Veröffentlicht: (2024)

A Large Language Model-Enhanced Q-learning for Capacitated Vehicle Routing Problem with Time Windows
von: Cao, Linjiang, et al.
Veröffentlicht: (2025)

Temporal Transfer Learning for Traffic Optimization with Coarse-grained Advisory Autonomy
von: Cho, Jung-Hoon, et al.
Veröffentlicht: (2023)

Securing Traffic Sign Recognition Systems in Autonomous Vehicles
von: Hapuarachchi, Thushari, et al.
Veröffentlicht: (2025)

Predictive Safety Shield for Dyna-Q Reinforcement Learning
von: Pin, Jin, et al.
Veröffentlicht: (2025)

DynaMITE-RL: A Dynamic Model for Improved Temporal Meta-Reinforcement Learning
von: Liang, Anthony, et al.
Veröffentlicht: (2024)

UniTSA: A Universal Reinforcement Learning Framework for V2X Traffic Signal Control
von: Wang, Maonan, et al.
Veröffentlicht: (2023)

Combat Urban Congestion via Collaboration: Heterogeneous GNN-based MARL for Coordinated Platooning and Traffic Signal Control
von: Peng, Xianyue, et al.
Veröffentlicht: (2023)

Learning Permutation-invariant Macroscopic Dynamics
von: Han, Zhichao, et al.
Veröffentlicht: (2026)

Learning a Stable, Safe, Distributed Feedback Controller for a Heterogeneous Platoon of Autonomous Vehicles
von: Shaham, Michael H., et al.
Veröffentlicht: (2024)

Multi-Objective Reinforcement Learning for Large-Scale Mixed Traffic Control
von: Islam, Iftekharul, et al.
Veröffentlicht: (2025)

Joint Pedestrian and Vehicle Traffic Optimization in Urban Environments using Reinforcement Learning
von: Poudel, Bibek, et al.
Veröffentlicht: (2025)

Reducing and Exploiting Data Augmentation Noise through Meta Reweighting Contrastive Learning for Text Classification
von: Mou, Guanyi, et al.
Veröffentlicht: (2024)

Neighbor-Aware Reinforcement Learning for Mixed Traffic Optimization in Large-scale Networks
von: Islam, Iftekharul, et al.
Veröffentlicht: (2024)

Learning to Race in Minutes: Infoprop Dyna on the Mini Wheelbot
von: Subhasish, Devdutt, et al.
Veröffentlicht: (2026)

Minimax Rates for Learning Pairwise Interactions in Attention-Style Models
von: Zucker, Shai, et al.
Veröffentlicht: (2025)

Large-Scale Mixed-Traffic and Intersection Control using Multi-agent Reinforcement Learning
von: Liu, Songyang, et al.
Veröffentlicht: (2025)

Exploiting Prior Knowledge in Preferential Learning of Individualized Autonomous Vehicle Driving Styles
von: Theiner, Lukas, et al.
Veröffentlicht: (2025)

Ctx2TrajGen: Traffic Context-Aware Microscale Vehicle Trajectories using Generative Adversarial Imitation Learning
von: Jin, Joobin, et al.
Veröffentlicht: (2025)

An Automated Reinforcement Learning Reward Design Framework with Large Language Model for Cooperative Platoon Coordination
von: Wei, Dixiao, et al.
Veröffentlicht: (2025)

DynaMix: Generalizable Person Re-identification via Dynamic Relabeling and Mixed Data Sampling
von: Mamedov, Timur, et al.
Veröffentlicht: (2025)

ADLight: A Universal Approach of Traffic Signal Control with Augmented Data Using Reinforcement Learning
von: Wang, Maonan, et al.
Veröffentlicht: (2022)

DynaAct: Large Language Model Reasoning with Dynamic Action Spaces
von: Zhao, Xueliang, et al.
Veröffentlicht: (2025)

Let's Ask GNN: Empowering Large Language Model for Graph In-Context Learning
von: Hu, Zhengyu, et al.
Veröffentlicht: (2024)

Mixed Traffic Control and Coordination from Pixels
von: Villarreal, Michael, et al.
Veröffentlicht: (2023)

Decoding Large Language Diffusion Models with Foreseeing Movement
von: Mo, Yichuan, et al.
Veröffentlicht: (2025)

Integrating Lagrangian Neural Networks into the Dyna Framework for Reinforcement Learning
von: Das, Shreya, et al.
Veröffentlicht: (2026)