本研究では、歩行者とドライバーの相互作用を理解し、安心安全な自動運転システムの開発に寄与するため、マルチエージェント強化学習(RL)フレームワークを提案しています。従来のアプローチはルールベースやゲーム理論モデル、ブラックボックス型機械学習手法に依存しており、感覚や運動の制約を充分に考慮していません。本研究では、視覚と運動の制約を組み込んだ複数のモデルを評価し、その結果、視覚と運動の制約を両方持つモデルが最も良好なパフォーマンスを示しました。このモデルでは、人間の速度調整を模倣した滑らかな動きや、注意深く変動する行動を示すことが確認されました。データが限られた設定でも、監視ありの行動クローンモデルよりも高い精度を達成し、さらに人数に基づく制約モデルを導入することで、個人差にも対応しています。本研究は、現実的な道路ユーザー相互作用をシミュレーションする上での新たなアプローチを示しています。