面向混合城市交通场景的交互感知模型预测决策方法
系统与控制
2026-02-25 v2 机器人学
系统与控制
摘要
自动驾驶车辆必须以既安全又符合社交规范的方式与行人协商。我们提出一种交互感知模型预测决策（IAMPDM）框架，将基于间隙接受的意图模型与MPC集成，实时联合推理人类意图和车辆控制。行人模块产生连续的越行倾向信号——由时间到碰撞（TTC）驱动，带有意图贴现机制——调制MPC的安全项和最小距离约束。我们在基于投影的、跟踪运动的模拟器中实现IAMPDM，并将其与基于规则的意图感知控制器（RBDM）和保守的非交互基线（NIA）进行比较。在25名参与者的基于人类意图的决策循环研究中，意图感知方法在各种场景中缩短了协商和完成时间，尽管TTC/DST容差较小，IAMPDM与RBDM之间未见显著差异，仅在一个场景中存在TTC差异。结果表明，意图感知决策算法相对于非合作决策算法，减少了行人越行时间，并提高了主观上的舒适性、安全性和可信度。我们讨论了交互感知自动驾驶车辆在实际部署中的影响。我们详细阐述了决策校准和实时实现（CasADi/IPOPT），并提出部署安全边栏——最小代理安全裕度、死锁预防——以平衡效率与安全。
引用
@article{arxiv.2503.01852,
title = {Interaction-Aware Model Predictive Decision-Making for Socially-Compliant Autonomous Driving in Mixed Urban Traffic Scenarios},
author = {Balint Varga and Thomas Brand and Marcus Schmitz and Ehsan Hashemi},
journal= {arXiv preprint arXiv:2503.01852},
year = {2026}
}
备注
Major Revision