基于学习型预测的交互式汇入场景中自动驾驶决策方法
机器人学
2023-03-30 v1 人工智能
机器学习
摘要
在与人驾车辆共享道路的自动驾驶智能体必须推理交通参与者之间细微的交互。这带来了一个极具挑战的决策问题，因为人类行为受众多难以建模的因素（如人类意图与情绪）影响。本文提出一种自动驾驶决策方法，聚焦于汇入移动交通流这一复杂任务，其中不确定性源自其他驾驶员的行为与不完善的传感器测量。我们将该问题构建为部分可观测马尔可夫决策过程（POMDP），并使用蒙特卡洛树搜索在线求解。POMDP的解是一个执行高层驾驶机动（如给接近车辆让行、与前车保持安全距离或汇入车流）的策略。我们的方法利用从数据学习的模型来预测交通的未来状态，同时显式考虑周围智能体间的交互。基于这些预测，自动驾驶车辆可预见其动作对环境的未来后果并相应优化其轨迹。我们在仿真中充分测试了该方法，表明自动驾驶车辆能适应不同情境下的行为。我们还与其他方法比较，证明了在所选性能指标上的提升。
引用
@article{arxiv.2303.16821,
title = {Decision Making for Autonomous Driving in Interactive Merge Scenarios via Learning-based Prediction},
author = {Salar Arbabi and Davide Tavernini and Saber Fallah and Richard Bowden},
journal= {arXiv preprint arXiv:2303.16821},
year = {2023}
}
备注
12 pages, 12 figures