B-GAP：面向自动驾驶的行为丰富仿真与导航

我们解决了自车在充满具有不同驾驶行为的道路智能体的密集仿真交通环境中的导航问题。由于智能体异质行为导致的动作不可预测性，在此类环境中导航具有挑战性。我们提出了一种新仿真技术，包括用对应不同攻击性水平的行为丰富轨迹来扩充现有交通仿真器。我们借助驾驶行为建模算法生成这些轨迹。随后，我们使用扩充后的仿真器训练一个深度强化学习（DRL）策略，该策略由一组高层车辆控制命令组成，并在测试时使用该策略在密集交通中执行局部导航。我们的策略隐式建模了交通智能体之间的交互，并为自车计算安全轨迹，考虑了攻击性驾驶机动，如超车、超速、穿插和突然变道。我们增强的行为丰富仿真器可用于生成由对应多样驾驶行为和交通密度的轨迹组成的数据集，且我们基于行为的导航方案可与最先进的导航算法相结合。