ALGAMES：一种用于约束动态博弈的快速增广拉格朗日求解器
机器人学
2021-06-01 v2
摘要
动态博弈是处理多个交互参与者控制问题的有效范式。本文介绍了 ALGAMES（Augmented Lagrangian GAME-theoretic Solver，增广拉格朗日博弈论求解器），一种能处理具有多个参与者以及一般非线性状态和输入约束的轨迹优化问题的求解器。其新颖性在于利用拟牛顿求根算法满足一阶最优性条件，并采用增广拉格朗日方法严格强制约束。我们在车辆间具有强交互水平的自动驾驶场景下评估了该求解器。我们使用蒙特卡洛模拟评估求解器的鲁棒性。它能够可靠地求解诸如三车匝道汇入等复杂问题，速度比最先进的基于 DDP 的方法快三倍。该算法的模型预测控制（MPC）实现以超过 60 Hz 的频率运行，展示了 ALGAMES 在诸如汇入拥挤高速公路等复杂自动驾驶场景中缓解“冻结机器人”问题的能力。
引用
@article{arxiv.2104.08452,
title = {ALGAMES: A Fast Augmented Lagrangian Solver for Constrained Dynamic Games},
author = {Simon Le Cleac'h and Mac Schwager and Zachary Manchester},
journal= {arXiv preprint arXiv:2104.08452},
year = {2021}
}
备注
Submitted to Autonomous Robots (under review) as an extension of a paper accepted to RSS 2020. arXiv admin note: text overlap with arXiv:1910.09713