OracleTSC: Controllo del Segnale Stradale Basato su LLM con Ostacolo di Ricompensa e Regolarizzazione dell'Incertezza

Un recente articolo di ricerca presenta OracleTSC, un framework progettato per migliorare la stabilità del controllo del segnale stradale (TSC) utilizzando modelli linguistici di grandi dimensioni (LLM), affrontando i problemi di feedback scarso e ritardato nell'ottimizzazione tramite rinforzo. Le tecniche tradizionali di TSC basate su RL spesso funzionano come sistemi opachi con scarsa interpretabilità, mentre gli LLM offrono ragionamenti in linguaggio naturale ma affrontano sfide di stabilità nell'addestramento. OracleTSC integra due strategie chiave: un meccanismo di ostacolo di ricompensa che elimina i segnali di apprendimento deboli sottraendo una soglia calibrata dalle ricompense ambientali, e una regolarizzazione dell'incertezza che aumenta la probabilità della risposta scelta per promuovere decisioni coerenti tra vari output. I test sul benchmark LibSignal indicano che OracleTSC migliora significativamente l'efficienza del traffico in un modello compatto LLaMA3-8B. L'articolo è disponibile su arXiv con ID 2605.08516.