无控制交叉口右OfWay导航的辅助决策

无控制交叉口占道路事故的显著比例，由于 right-of-way rules 模糊、视线受阻以及不可预测的驾驶员行为。虽然自动驾驶车辆研究探索了 uncertainty-aware decision making，但鲜有系统可用于改装人类操作车辆以提供辅助导航支持。我们提出了一个用于 right-of-way reasoning的 driver-assist 框架，建模为部分可观测马尔可夫决策过程（POMDP）。我们开发了自定义的仿真测试环境，包含随机 traffic agents、行人、视线遮挡以及对抗情景，评估了四种决策方法：确定性有限状态机（FSM）以及三种概率规划器：QMDP、POMCP 和 DESPOT。结果表明，概率规划器优于基于规则的基线，在部分可观测性下实现最高达 97.5% 的无碰撞导航，POMCP 侧重安全，DESPOT 在效率和运行可行性之间取得平衡。我们的发现凸显了 uncertainty-aware planning 对 driver assistance的重要性，动机未来将传感器融合和环境感知模块集成到真实交通环境中实现实时部署。