KI News: Kurz und klar.

Verkehrslichtsteuerung steht vor einem schwierigen Dilemma: klassische Heuristiken sind schnell und effizient, aber zu stark vereinfacht, während Deep Reinforcement Learning (DRL) hervorragende Leistungen erzielt, jedoch schlecht generalisiert und schwer zu interpretieren ist. Online Large Language Models (LLMs) bieten zwar allgemeine Denkfähigkeiten, sind aber mit hoher Latenz verbunden und optimieren nicht speziell für Verkehrs­umgebungen.

Deep Reinforcement Learning hat bereits große Erfolge bei der automatischen Entwicklung von Verkehrslichtsteuerungs­strategien erzielt. Neuronale Modelle sind jedoch oft überparameterisiert und wenig transparent, was ihre Interpretierbarkeit und die Ausführung auf ressourcenbeschränkten Edge‑Geräten erschwert.