深度交互式运动预测与规划：与运动预测模型博弈
机器人学
2022-04-06 v1 人工智能
多智能体系统
摘要
在大多数经典自动驾驶（AV）技术栈中，预测层与规划层相互分离，限制了规划器对未考虑 AV 规划轨迹的预测作出反应。本工作提出一个通过博弈论模型预测控制器（MPC）紧密耦合这两层的模块，该控制器使用一种新颖的交互式多智能体神经网络策略作为其预测模型的一部分。在我们的设定中，MPC 规划器通过向多智能体策略提供规划状态序列来考量所有周围智能体。我们方法成功的关键在于设计一种新颖的多智能体策略网络，该网络能在给定周围智能体状态和地图信息的情况下操控车辆。该策略网络通过使用随时间反向传播和 differentiable 动力学模型向前展开轨迹，以真实观测数据隐式训练。最后，我们展示了我们的多智能体策略网络在与环境交互中学习驾驶，并且当与博弈论 MPC 规划器结合时，能成功生成交互行为。
引用
@article{arxiv.2204.02392,
title = {Deep Interactive Motion Prediction and Planning: Playing Games with Motion Prediction Models},
author = {Jose L. Vazquez and Alexander Liniger and Wilko Schwarting and Daniela Rus and Luc Van Gool},
journal= {arXiv preprint arXiv:2204.02392},
year = {2022}
}
备注
accepted to L4DC