基于自由能原理的认知风险集成用于面向行人密集环境的自动驾驶导航

近期的自动驾驶车辆（AV）行为规划研究在与其他道路使用者交互时展现出令人印象深刻的社交交互能力。然而，在复杂的多智能体交互式环境中，实现类似人类的预测与决策仍是关键挑战。现有研究主要聚焦于小型移动机器人的群体导航，这些方法不能直接应用于 AV，由于其决策策略和动态边界的内在差异。此外，这些多智能体仿真中的行人遵循固定行为模式，无法动态响应 AV 的动作。为此，本文提出了一种新框架，用于建模 AV 与多个行人的交互。在该框架中，受自由能原理启发的认知过程建模方法被集成到 AV 和行人模型中，以模拟更真实的交互动力学。具体而言，提出的行人认知风险社会力模型（Cognitive-Risk Social Force Model）通过融合认知不确定性和物理风险的度量来调整目标导向力和排斥力，从而产生类人轨迹。与此同时，AV 利用该融合风险构建用于 Soft Actor-Critic 架构中图神经网络的动态、风险感知邻接矩阵，使其能够作出更合理且明智的决策。仿真结果表明，我们提出的框架在安全性、效率和平滑性方面均优于最先进的方法。