MAESTRO: An AI coach that shapes practice and rewards for smarter traffic control

Share
MAESTRO: An AI coach that shapes practice and rewards for smarter traffic control

Meet MAESTRO: an AI coach for teamwork

Training teams of AI agents is hard: you must design the right "score" (rewards) and the right practice plan (curriculum). Get either wrong and learning stalls. MAESTRO uses a large language model (LLM) as an offline training architect—so it guides learning without slowing real-time decisions.

  • Curriculum generator: creates diverse, performance-driven traffic scenarios that steadily raise the challenge.
  • Reward synthesizer: auto-writes executable Python reward functions tailored to each stage.

Because the LLM is used only during training, deployment stays fast and cheap. MAESTRO plugs into a standard multi-agent RL backbone without changing inference cost.

In a 16-intersection Hangzhou traffic simulation, MAESTRO improved average return by +4.0% (163.26 vs. 156.93) and boosted stability by 2.2% (Sharpe 1.53 vs. 0.70) over a strong curriculum baseline. Ablations show the combo of LLM-made curricula + rewards works best.

Big picture: LLMs can be great designers for cooperative AI—setting the practice and the scoring—while the agents handle the real-time control.

Paper: https://arxiv.org/abs/2511.19253

Paper: https://arxiv.org/abs/2511.19253v1

Register: https://www.AiFeta.com

AI ReinforcementLearning MARL MultiAgent LLM MachineLearning SmartCities Traffic

Read more

Kielimallit tekevät vaatimuskysymyksiä eri tyyleillä – ja tyyli riippuu käyttötarkoituksesta

Kielimallit tekevät vaatimuskysymyksiä eri tyyleillä – ja tyyli riippuu käyttötarkoituksesta

Uusi vertailu näyttää, että tekoälyn tapa muotoilla järjestelmävaatimuksia luonnollisen kielen kysymyksiksi vaihtelee mallin ja aiheen mukaan. Siksi tärkeintä ei ole valita ”parasta” mallia, vaan tilanteeseen sopiva. Kuvitellaan tuttu kokous: pöydän ääressä yritetään päättää, mitä uuden tietojärjestelmän pitää pystyä tekemään. Syntyy lista kysymyksiä, joihin järjestelmän on osattava vastata. Esimerkiksi: ”Mitkä lääkkeet

By Kari Jaaskelainen
Julkaistu ajattelu voidaan jo purkaa tekoälyksi

Julkaistu ajattelu voidaan jo purkaa tekoälyksi

Kun tutkija jättää työpöytänsä, hänen äänensä ei välttämättä vaikene. Pelkistä julkaisuista voidaan jo rakentaa tekoäly, joka ohjaa väitöskirjaa, arvioi artikkeleita ja väittelee paneelissa – uskottavasti. Useimmat meistä ajattelevat tutkimusartikkeleita kirjastoiksi: hyllyriveiksi ajatuksia, joihin muut voivat palata. Uusi arXivissa julkaistu esityspaperi ehdottaa toisenlaista kuvaa. Julkaisut ovatkin rakennuspiirustuksia, joista voidaan koota tekijänsä ajattelutapa

By Kari Jaaskelainen
Konferenssien suunta ei ole pakko syntyä suljettujen ovien takana

Konferenssien suunta ei ole pakko syntyä suljettujen ovien takana

Moni tietää tunteen seminaarin päätteeksi: ohjelma oli kiinnostava, mutta kuka päätti, mistä puhuttiin ja mistä ei? Usein vastaus on pieni ohjelmakomitea, joka tekee valinnat ennakkoon. Yleisö kuuntelee, harva vaikuttaa. Eräässä tekoälyn yhteiskunnallisia vaikutuksia käsittelevässä kansainvälisessä konferenssissa kokeiltiin toisenlaista tapaa. Osallistujat eivät vain tulleet paikalle – he auttoivat muokkaamaan itse tilaisuuden suuntaa.

By Kari Jaaskelainen