透過 C-MARL 實現分散式協作（2028 年起的研究方向）
2028 年起，待重新推演引擎與調度 Overlay 於實際營運驗證後，RideFair 的研究方向為協作式多智能體強化學習（C-MARL）。屆時將不同於由集中式伺服器統一做出所有路線決策，而是由各車輛（智能體）共享本地資訊，協調最佳路線。當發生運輸瓶頸時，群體智慧能即時偵測，並透過本地協作重新規劃路線，目標決策延遲低於 10 毫秒。
核心原則
➤
模擬優先: 所有模型在實際應用前，均於受控環境中以歷史數據進行驗證。
➤
數據驅動驗證: 重新推演模式讓營運人員能依據歷史基準數據評估理論成效。
➤
隱私設計原則: 分散式處理最大程度減少集中式數據彙集的需求。
我們目前正在建構的項目
➤
2026 年9月: 工程進場；SBIR 第一階段送件。
➤
2026 年11月: 首次公開數據示範（11/20）。
➤
2027 年第一季: 營運試點週期。