.png){kind=icon}
返回
Learning Optimal Crowd Evacuation from Scratch Through Self-Play
.png){kind=icon}
OA
AI
DOI：10.1002/aisy.202500436.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
疏散管理的一个关键目标是在防止踩踏死亡的情况下，快速安全地将恐慌人群从建筑物、节日现场或飞机上撤离。最近，基于社会力模型、元胞自动机和机器学习，在复杂环境中真实模拟人群方面取得了显著进展。然而，现有模型假设特定的社会互动，并且无法系统性地探索如何优化人群合作与疏散。相比之下，本研究聚焦于一个问题：一个由人类、机器人或智能主动粒子组成的理想超智能人群，将如何合作以优化疏散。开发了一种方法，利用多智能体强化学习结合自我博弈，从零开始学习最优人群行为。关键在于，该方法中的智能体具有压力感知能力，并能自主学习避免碰撞和挤压。训练后，它们会采用可解释的疏散策略，如排队和错位合并，在避免死亡和疏散速率方面优于传统疏散模型。我们的方法可用于改进大规模疏散指南，可能挽救生命。
Keyword:
active matter
crowd control
optimal evacuation
machine learning
deep reinforcement learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.1
论文数:
2.0K
被引数:
8.4K
机构
引用论文
.png){kind=icon}
分享收藏Self-organized pedestrian crowd dynamics: Experiments, simulations, and design solutions自组织行人群体动力学: 实验，模拟和设计解决方案
PREAI
分享收藏
查看更多内容