MultiNash-PF：一种用于计算轨迹博弈中多个局部广义纳什均衡的粒子滤波方法
机器人学
2025-08-12 v3
摘要
现代机器人系统经常参与复杂的多智能体交互，其中许多交互本质上是多模态的，即它们可能导致多个不同的结果。为了有效交互，机器人必须识别可能的交互模式，并适应其他智能体偏好的模式。在这项工作中，我们提出了MultiNash-PF，一种用于捕捉多智能体交互中多模态性的高效算法。我们将交互结果建模为博弈论规划器的均衡，其中每个均衡对应一种不同的交互模式。我们的框架将交互式规划表述为约束势博弈（CPTG），其中局部广义纳什均衡（GNE）代表合理的交互结果。我们提出将势博弈方法与隐式粒子滤波相结合，这是一种用于非凸轨迹优化的样本高效方法。我们利用隐式粒子滤波来识别博弈势函数多个局部极小值的粗略估计。然后，MultiNash-PF使用优化求解器细化这些估计，从而获得不同的局部GNE。我们通过数值模拟表明，与基线相比，MultiNash-PF将计算时间减少了高达50%。我们进一步在真实世界的人机交互场景中展示了我们算法的有效性，它成功解释了交互的多模态性质，并实时解决了潜在冲突。
引用
@article{arxiv.2410.05554,
title = {MultiNash-PF: A Particle Filtering Approach for Computing Multiple Local Generalized Nash Equilibria in Trajectory Games},
author = {Maulik Bhatt and Iman Askari and Yue Yu and Ufuk Topcu and Huazhen Fang and Negar Mehr},
journal= {arXiv preprint arXiv:2410.05554},
year = {2025}
}