基于交互感知行为预测与社会注意力神经网络的自动驾驶车辆决策
人工智能
2023-11-02 v2 机器人学
系统与控制
系统与控制
摘要
自动驾驶车辆需要在交通中与人类驾驶员交互的同时完成其任务。因此，为自动驾驶车辆配备人工推理能力以更好地理解周围交通的意图，从而促进任务完成，是至关重要的。在这项工作中，我们提出了一个行为模型，将驾驶员的交互意图编码为潜在的社会心理参数。利用贝叶斯滤波器，我们开发了一种基于后退 horizon 优化的控制器用于自动驾驶车辆决策，该控制器考虑了交互驾驶员意图中的不确定性。为在线部署，我们设计了一种基于注意力机制的神经网络架构，该架构以在线估计的参数先验来模仿该行为模型。我们还提出了一种决策树搜索算法来在线求解决策问题。随后在所提出行为模型的真实轨迹预测能力方面进行了评估。我们进一步使用模拟环境和真实交通数据集，在强制高速公路汇入场景下对所提出的决策模块进行了广泛评估。结果表明，我们的算法能够在各种交通条件下完成强制汇入任务，同时确保驾驶安全。
引用
@article{arxiv.2310.20148,
title = {Decision-Making for Autonomous Vehicles with Interaction-Aware Behavioral Prediction and Social-Attention Neural Network},
author = {Xiao Li and Kaiwen Liu and H. Eric Tseng and Anouck Girard and Ilya Kolmanovsky},
journal= {arXiv preprint arXiv:2310.20148},
year = {2023}
}