无信号灯交叉口网联自动驾驶车辆协同决策：一种融合注意力与分层博弈先验的多智能体强化学习方法
机器人学
2024-09-10 v1
摘要
自动驾驶汽车的发展已展现出提升交通系统效率与安全的巨大潜力。然而，在复杂的人机混行交通场景（如无信号灯交叉口）中，决策问题仍是自动驾驶汽车面临的一项挑战。尽管强化学习（RL）已被用于解决复杂决策问题，但现有RL方法在处理多辆网联自动驾驶车辆（CAVs）的协同决策、确保探索过程中的安全性以及模拟真实人类驾驶员行为方面仍存在局限。本文提出了一种新颖高效的算法——多智能体博弈先验注意力深度确定性策略梯度（MA-GA-DDPG），以应对这些局限。我们提出的算法将无信号灯交叉口的CAVs决策问题建模为一个去中心化的多智能体强化学习问题，并引入注意力机制来捕捉自车CAV与其他智能体之间的交互依赖关系。随后，利用自车与其他智能体之间的注意力权重来筛选交互对象并获取先验的分层博弈关系，基于此设计了一个安全检查模块以提高交通安全。此外，我们进行了仿真和硬件在环实验，结果表明，我们的方法在驾驶安全性、效率和舒适性方面均优于其他基线方法。
引用
@article{arxiv.2409.05712,
title = {Cooperative Decision-Making for CAVs at Unsignalized Intersections: A MARL Approach with Attention and Hierarchical Game Priors},
author = {Jiaqi Liu and Peng Hang and Xiaoxiang Na and Chao Huang and Jian Sun},
journal= {arXiv preprint arXiv:2409.05712},
year = {2024}
}