基于分层蒙特卡洛树搜索的自动驾驶车辆分散式协同规划
人工智能
2020-02-04 v1
摘要
当今的自动驾驶车辆缺乏与他人隐式协作的能力。本工作提出一种基于蒙特卡洛树搜索(MCTS)的方法，利用宏动作在异构环境中实现自动驾驶车辆的分散式协同规划。基于对其他智能体的协作建模与Decoupled-UCT(MCTS的一种变体)，该算法以协作且分散的方式评估每个智能体的状态-动作值，显式建模交通参与者之间动作的相互依赖关系。宏动作允许在多个时间步上进行时间扩展，并以更少的迭代次数增加有效搜索深度以规划更长时域。在没有预定义宏动作策略的情况下，该算法同时学习宏动作之上与宏动作之内的策略。所提方法在若干冲突场景下进行评估，表明该算法能够在异构环境中利用学习到的宏动作实现有效的协同规划。
引用
@article{arxiv.1807.09530,
title = {Decentralized Cooperative Planning for Automated Vehicles with Hierarchical Monte Carlo Tree Search},
author = {Karl Kurzer and Chenyang Zhou and J. Marius Zöllner},
journal= {arXiv preprint arXiv:1807.09530},
year = {2020}
}