arXiv Artificial Intelligence· Jingjia Teng, Yang Li, Wenjie Huang·· 13 小时前AI 评分31
CARGO：因果归因与责任引导的预防式多智能体强化学习用于协同驾驶
CARGO: Causal Attribution and Responsibility-Guided Preventive Safe Multi-Agent Reinforcement Learning for Cooperative Driving
AI 导读
CARGO 是一个面向混合交通协同匝道汇入的多智能体强化学习框架，通过共享潜在上下文后验与动作条件响应模型估计有向行为影响，并将后验不确定性传播到交互边选择。在 highway-env 三种交通密度实验中，高密度交通下相较各指标最优基线，成功率提升 66.04%、碰撞率降低 56.23%。理论分析在明确假设下给出风险单调性与环境回报非递减的局部充分条件。
推荐理由模型分析
CARGO 把多智能体强化学习中的因果归因与责任分配引入混合交通匝道合流：用共享隐上下文后验和动作条件响应模型估计有向行为影响，并将不确定性传播到交互边选择，再以条件扩散估计动作相关风险。其价值在于把“谁该为风险负责”转化为可校准的预防性约束，理论上给出风险单调性与回报不降的局部条件。实验仅在 highway-env 三种密度下报告，高密度时成功率提升 66.04%、碰撞率下降 56.23%（相对各指标最佳基线），尚属仿真证据，真实道路部署前需验证迁移性。
来源：arXiv Artificial Intelligence · arxiv.org