多模态不确定性下自动驾驶的集成决策与轨迹规划:一种贝叶斯博弈方法
机器人学
2024-09-24 v1 计算机科学与博弈论
摘要
对交通智能体之间的交互进行建模是设计安全且非保守自动驾驶行为的关键问题。当涉及多模态和行为不确定性时,该问题可能具有挑战性。现有方法要么无法进行交互式规划,要么考虑可能导致灾难性后果的单模态行为。在本文中,我们引入了一个基于贝叶斯博弈(即不完全信息博弈)的集成决策与轨迹规划框架。人类决策本质上表现出离散特征,因此被建模为博弈中玩家的类型。我们引入了一种基于无悔学习的通用求解器来获得相应的贝叶斯粗相关均衡,该均衡刻画了多模态情境下交通智能体之间的交互。利用所获得的均衡,同时进行决策和轨迹规划,并且所得到的交互策略被证明在对其他驾驶者意图的期望上是最优的。在不同交通场景下进行了闭环仿真,以说明所提框架的泛化性和有效性。
引用
@article{arxiv.2409.13993,
title = {Integrated Decision Making and Trajectory Planning for Autonomous Driving Under Multimodal Uncertainties: A Bayesian Game Approach},
author = {Zhenmin Huang and Tong Li and Shaojie Shen and Jun Ma},
journal= {arXiv preprint arXiv:2409.13993},
year = {2024}
}