توضیح پذیری در یادگیری تقویتی چندعاملی در خودروهای خودران با تخصیص اعتبار مبتنی بر XAI میان عامل ها

ایمنی و کارایی سیستم های حمل ونقل خودکار به ویژه خودروهای خودران نقشی حیاتی در توسعه فناوری های هوشمند ایفا می کند. در این میان تصمیم گیری چندعاملی در محیط های پویا و غیرقطعی یکی از چالش های اساسی برای تضمین هماهنگی، پیش بینی پذیری و جلوگیری از برخوردها محسوب می شود. بیشتر رویکردهای متداول یادگیری تقویتی چندعاملی بر بیشینه سازی عملکرد جمعی تمرکز دارند اما از تبیین نقش هر عامل در نتایج کلان ناتوان اند؛ مسئله ای که موجب کاهش شفافیت، اعتماد و قابلیت تحلیل رفتار سیستم می شود. در این پژوهش چارچوبی توضیح پذیر مبتنی بر یادگیری تقویتی چندعاملی برای خودروهای خودران ارائه شده است که با تلفیق روش های تبیینی مبتنی بر XAI، امکان تخصیص منصفانه اعتبار میان عامل ها را فراهم می سازد. در این چارچوب یک ماژول پیش بینی کننده مبتنی بر مکانیسم توجه برای برآورد پاداش انتظاری سیستم طراحی شده و وزن های توجه بیانگر میزان تمرکز مدل بر هر عامل است. همچنین تخصیص اعتبار با استفاده از مقادیر شپلی بازتعریف شده تا سهم واقعی هر عامل در عملکرد جمعی منعکس گردد. نتایج شبیه سازی در محیط تقاطع ترافیکی نشان داد که مدل پیشنهادی موجب کاهش برخوردها، بهبود هماهنگی و پایداری عملکرد جمعی می شود. روش پیشنهادی با ترکیب یادگیری تقویتی چندعاملی و تخصیص اعتبار مبتنی بر XAI چارچوبی ارائه می دهد که علاوه بر حفظ کارایی، یادگیری توضیح پذیری و عدالت در میان عامل ها را تقویت کرده و در نهایت موجب افزایش اعتمادپذیری سیستم های خودران می شود.

کلیدواژه ها:

خودروهای خودران ، یادگیری تقویتی چندعاملی ، توضیح پذیری ، باز تخصیص پاداش مبتنی بر شپلی