交通冲突中策略性人机交互的分类体系

为了使自动驾驶车辆（AV）能够在繁忙交通场景中行驶，近年来基于博弈论模型的 AV 策略性行为规划成为研究焦点。然而，缺乏通用分类体系阻碍了对模型所生成策略的广泛理解，以及安全规范的制定，以识别哪些策略对 AV 执行是安全的。基于交通冲突中交互的常见模式，我们沿 agent 对路权规则的初始响应以及对其他 agent 行为的后续响应两个维度，建立了策略性交互的分类体系。此外，我们展示了将策略规划器生成的策略自动映射到该分类体系类别中的过程，并基于车辆-车辆和车辆-行人交互仿真，针对这些类别评估了 AV 策略规划中两种流行的求解概念，即 QLk 和 Subgame perfect $\epsilon$-Nash Equilibrium（子博弈完美 $\epsilon$-纳什均衡）。