基于蒙特卡洞树搜索的扩展视野战术决策方法用于自动驾驶
机器人学
2025-04-23 v1
摘要
本文引入 COR-MCTS（资源守恒-蒙特卡洛树搜索），这是一种用于自动驾驶的创新性战术决策方法，专注于扩展视野范围内的机动规划。传统决策算法受限于固定的规划视野，经典方法通常为6秒，基于学习的方法为3秒，这限制了其在特定动态驾驶场景中的适应性。然而，在高速公路、圆环和出口等环境中，必须提前进行规划以确保安全和高效的机动。为此，我们提出一种混合方法，将蒙特卡洛树搜索（MCTS）与先前提出的效用函数框架 COR-MP（资源守恒模型用于机动规划）相结合。这种组合使我们能够进行长期、实时决策，显著增强了在扩展视野范围内规划一系列机动的能力。通过多样化的仿真场景，我们展示了 COR-MCTS 在扩展视野范围内提升了规划鲁棒性和决策效率。
引用
@article{arxiv.2504.15869,
title = {An Extended Horizon Tactical Decision-Making for Automated Driving Based on Monte Carlo Tree Search},
author = {Karim Essalmi and Fernando Garrido and Fawzi Nashashibi},
journal= {arXiv preprint arXiv:2504.15869},
year = {2025}
}
备注
6 pages, 5 figures, submitted and accepted to the IEEE Intelligent Vehicles Symposium Conference (IV 2025)