赛车场景中移动机器人的竞争感知决策方法

本文提出了一种用于赛车的博弈论策略，其中自主本车智能体试图阻挡旨在超越本车智能体的赛车对手。在构建轨迹候选库及相应的奖励矩阵后，基于 level-K 推理框架确定了在规划周期内最大化累积奖励的最优轨迹。特别地，根据对手在过去窗口内的行为在线估计其水平，随后用于确定本车智能体的轨迹。考虑到对手在本车智能体决策过程中可能改变其水平和策略，我们引入了一种轨迹混合策略，将 level-K 最优轨迹与故障安全轨迹相融合。整体算法在多种模拟赛车场景中进行了测试和评估，其中还包括人在回路实验。与常规 level-K 框架的对比分析表明，我们提出的方法在阻挡超车成功率方面具有优越性。