如何不驾驶：从演示中学习驾驶约束

我们提出一种从人类驾驶轨迹中学习运动规划约束的新方案。行为规划与运动规划是自动驾驶系统中的关键组件。行为规划负责遵循交通规则并与其他道路参与者交互所需的高层决策。运动规划器的角色是为自动驾驶车辆生成可行、安全的轨迹以跟踪。轨迹通过优化方案生成，以优化基于平滑性、可动性和舒适性相关度量的代价函数，并服从于由规划行为、安全性考虑和可行性导出的一组约束。常见做法是手动设计代价函数和约束。近期工作已研究从人类驾驶演示中学习代价函数。虽然有效，此类方法在自动驾驶中的实际应用仍存疑。相反，本文聚焦于学习驾驶约束，其可用作现有自动驾驶方案的附加模块。为学习约束，规划问题被建模为约束马尔可夫决策过程，其元素除约束外均假设已知。然后通过学习专家轨迹分布并估计最优轨迹属于所学分布的概率来学习约束。所提方案使用 NGSIM 数据集评估，当在基于优化的运动规划器中使用所学约束时，碰撞率和驶出道路操纵均低于 1%。