arXiv · 22.06.2026 ·Исследования и наука

Генеративная модель для симуляции транспортных потоков на перекрестках

Исследователи представили Enactor — генеративную модель, предназначенную для микросимуляции движения транспорта на регулируемых перекрестках. В отличие от традиционных систем, опирающихся на жестко заданные правила поведения водителей, новая разработка использует агентно-ориентированный подход. Это позволяет точнее воспроизводить сложные взаимодействия между автомобилями, которые часто упускаются классическими алгоритмами.

Основная проблема существующих решений для прогнозирования траекторий заключается в их краткосрочности и нестабильности при работе в замкнутом цикле симуляции. Enactor решает эту задачу, обеспечивая устойчивое моделирование поведения участников движения на более длительных интервалах. Модель учитывает неоднородность потока и специфику маневров в условиях светофорного регулирования, что критически важно для оценки пропускной способности городских дорожных сетей.

Технология позволяет создавать более реалистичные цифровые двойники транспортной инфраструктуры. Использование генеративного подхода открывает возможности для тестирования сценариев управления трафиком и оптимизации работы светофоров без необходимости проведения натурных экспериментов. Разработка демонстрирует потенциал глубокого обучения в задачах моделирования сложных динамических систем с высокой степенью неопределенности.

Источник: arXiv

Похожие материалы

arXiv · Машинное обучение Фреймворк Lagrange для автономного вождения в открытых средах Исследователи представили Lagrange — новый подход к созданию систем автономного вождения, основанный на энергетических моделях и разреженных вычислениях. В отличие от традиционных плотных сетей, таких как сетки заполнения (occupancy networks), которые требуют значительных вычислительных мощностей для обработки геометрических данных, Lagrange фокусируется на эффективности представления пространства. Это позволяет модели лучше адаптироваться к нестандартным дорожным ситуациям и редким сценариям, с которыми сложно справляться классическим алгоритмам. arXiv · Исследования и наука Децентрализованное управление трафиком для автономных летательных аппаратов Исследователи представили концепцию децентрализованной системы управления движением для автономных летательных аппаратов, работающих в условиях высокой плотности трафика. С ростом числа беспилотных систем традиционные централизованные методы координации перестают справляться с нагрузкой, что требует перехода к более гибким архитектурам. В качестве решения предложено использование специализированных коридоров для перспективной воздушной мобильности (AAM), которые позволяют организовать потоки автономных аппаратов без участия единого диспетчерского центра. Hacker News · Исследования и наука NVIDIA представила метод самообучения роботов Enpire Исследователи NVIDIA представили Enpire — новый метод, позволяющий роботам самостоятельно улучшать свои действия в реальных физических условиях. В отличие от традиционных подходов, требующих длительного обучения с учителем или огромных массивов размеченных данных, система использует агентный подход для итеративной корректировки стратегий поведения. Робот анализирует результаты своих попыток выполнения задачи, выявляет ошибки и автоматически генерирует новые сценарии для их исправления. arXiv · Машинное обучение Новый метод повышения устойчивости многоагентных систем в условиях неточных моделей Исследователи представили новый математический подход к решению проблемы расхождения данных между тренировочными симуляторами и реальной средой в многоагентном обучении с подкреплением (MARL). В реальных условиях разрыв между моделью и действительностью часто приводит к резкому падению производительности агентов, так как стратегическое взаимодействие между ними усиливает любые ошибки прогнозирования. Авторы работы предлагают использовать принципы дистрибутивной робастности для оптимизации стратегий. Hacker News · Исследования и наука Next-Latent Prediction: новый подход к обучению компактных моделей мира Исследователи представили метод Next-Latent Prediction (NLP), который меняет подход к обучению трансформеров для моделирования динамических сред. В отличие от традиционных моделей, предсказывающих будущие токены в пространстве пикселей или дискретных состояний, этот метод фокусируется на прогнозировании скрытых представлений (латентных векторов). Такой подход позволяет модели сжимать информацию о визуальных и физических процессах, отсекая избыточные детали и концентрируясь на ключевых закономерностях среды. arXiv · Машинное обучение Новый подход к моделированию динамических систем через явные структуры Исследователи представили альтернативный подход к обучению динамических систем, который отходит от использования универсальных нелинейных аппроксиматоров. Вместо наращивания сложности нейронных сетей для захвата сложных паттернов, авторы предлагают архитектуру, где моделирующая способность системы определяется её внутренней структурой. Такой метод позволяет эффективнее описывать поведение динамических процессов, опираясь на математически обоснованные взаимодействия, а не на избыточную нелинейность. arXiv · Машинное обучение Метод динамического объединения моделей без дообучения Исследователи представили новый подход к объединению нескольких специализированных нейросетевых экспертов в одну многозадачную модель. Традиционные методы слияния весов часто сталкиваются с проблемой интерференции параметров, когда знания одной модели конфликтуют с другой, что приводит к снижению точности по сравнению с исходными узкоспециализированными версиями. arXiv · Память и RAG Память в ИИ для прогнозирования трафика Исследователи из Университета Цинхуа и других ведущих вузов представили новый подход к прогнозированию состояния дорожного движения с использованием памяти. В статье, опубликованной на arXiv, они предлагают Memory-Augmented Graph Liquid Time-Constant Networks (M-GLTN) — модель, которая решает проблему нехватки данных в некоторых регионах за счёт переноса знаний из других областей. arXiv · Исследования и наука Оптимизация сценариев для обучения климатических ИИ-моделей Исследователи проанализировали ограничения современных суррогатных моделей, используемых для климатического моделирования. Основная проблема заключается не только в архитектуре нейросетей, но и в качестве данных, на которых они обучаются. Традиционные наборы данных для климатических эмуляторов обладают низкой структурной вариативностью, что создает «потолок» для точности прогнозов даже при использовании сложных физически обоснованных моделей. arXiv · Исследования и наука AdsMind: мультиагентная система для моделирования катализаторов Исследователи представили систему AdsMind, предназначенную для поиска оптимальных конфигураций адсорбции на поверхностях гетерогенных катализаторов. Задача определения состояний с минимальной энергией критически важна для химической промышленности, однако традиционные квантово-механические расчеты требуют огромных вычислительных затрат. Использование силовых полей на базе машинного обучения ускоряет релаксацию структур, но не решает проблему эффективного исследования обширного конфигурационного пространства.

← Все материалы