面向自动驾驶车辆的层次化游戏式多智能体决策

本文发展了一种用于多智能体场景下自动驾驶的博弈论决策框架。为 ego 车辆开发了一种新颖的层次化游戏决策框架。该框架包含一个互动图，描述了 ego 车与其周围交通智能体（包括自动驾驶车辆、人工驾驶车辆、行人和自行车等）之间的相互关系，使 ego 能够智能地选择仅将其中的有限数量车辆选为游戏玩家。与标准多玩家游戏相比，层次化游戏显著降低了计算复杂度；与两人游戏相比（这是文献中最流行的方法），层次化游戏有助于 ego 做出更有效的决策（通过减少不必要的等待和让让）。为进一步降低计算成本，我们提出了改进的层次化游戏，将层次化游戏分解为一组子游戏。我们在两种层次化游戏中分析了决策的安全性和有效性。进行了全面的仿真研究，以验证所提出框架的有效性，交叉穿越场景作为案例研究。