GITSR: 基于图交互Transformer的多车辆协作决策场景表示
机器学习
2024-11-05 v1 人工智能
计算机视觉与模式识别
多智能体系统
机器人学
摘要
在本研究中，我们提出了GITSR，一个用于智能交通系统中多车辆协作决策的图交互Transformer场景表示框架。在混合交通环境中，连接自动驾驶车辆（CAV）和人类驾驶车辆（HDV）共存，为了增强CAV对环境的理解以提升决策能力，该框架聚焦于高效的场景表示以及交通状态空间交互行为的建模。我们首先基于智能网络背景提取驾驶环境的特征。随后，基于以智能体为中心和动态占用网格的局部场景表示由Transformer模块计算得出。此外，通过多头注意力机制捕获地图的可行区域，以减少车辆碰撞。值得注意的是，基于运动信息的空间交互行为被建模为图结构，并通过图神经网络（GNN）进行提取。最终，多车辆之间的协作决策被表述为马尔可夫决策过程（MDP），驾驶动作由强化学习（RL）算法输出。我们的算法验证在极具挑战性的高速公路出口匝道任务场景中执行，从而证明了以智能体为中心的场景表示方法的优越性。仿真结果表明，GITSR方法不仅能有效捕获场景表示，还能提取空间交互数据，在各种对比指标上优于基线方法。
引用
@article{arxiv.2411.01608,
title = {GITSR: Graph Interaction Transformer-based Scene Representation for Multi Vehicle Collaborative Decision-making},
author = {Xingyu Hu and Lijun Zhang and Dejian Meng and Ye Han and Lisha Yuan},
journal= {arXiv preprint arXiv:2411.01608},
year = {2024}
}