面向安全人机交互的责任分配学习及其在自动驾驶中的应用
机器人学
2023-03-08 v1
摘要
驾驶员负有合理注意以避免与其他道路使用者发生碰撞的责任。这种被假定的责任使得交互主体无需显式协调即可维持安全。因此，为使自动驾驶车辆（AV）实现安全交互，AV 必须理解其为维持安全所承担的责任以及这些责任如何影响附近主体的安全。本工作中，我们力求理解在自主智能体与人类对手方交互的多智能体场景中责任是如何被分担的。我们引入责任感知控制屏障函数（RA-CBFs），并提出一种从数据中学习责任分配的方法。通过将安全关键控制与基于学习的技术相结合，RA-CBFs 使我们能够考虑场景依赖的责任分配，并合成安全且高效的驾驶行为，而无需做出通常导致过度保守行为的最坏情况假设。我们使用真实世界驾驶数据测试了我们的框架，并证明其作为安全控制与不安全驾驶取证分析工具的有效性。
引用
@article{arxiv.2303.03504,
title = {Learning Responsibility Allocations for Safe Human-Robot Interaction with Applications to Autonomous Driving},
author = {Ryan K. Cosner and Yuxiao Chen and Karen Leung and Marco Pavone},
journal= {arXiv preprint arXiv:2303.03504},
year = {2023}
}
备注
7 pages, 3 figures, 1 table. Accepted at the International Conference on Robotics and Automation (ICRA) 2023