自动驾驶应用中以通用值函数将感知作为预测的框架

我们提出并演示了一种用于自动驾驶的称为“感知即预测”的框架，该框架使用通用值函数(GVFs)来学习预测。感知即预测学习数据驱动的预测，涉及动作对智能体世界感知的影响。它还提供了一种数据驱动的方法，用于预测其他智能体预期行为对世界的影响，而无需显式学习其策略或意图。我们通过学习用 GVFs 预测智能体的前安全与后安全来演示感知即预测，前者分别封装了对前方与后方车辆行为的预期。安全预测通过在包含其他智能体的模拟环境中随机交互学习得到。我们表明这些预测可用于在自适应巡航控制问题中产生与基于 LQR 的控制器相似的控制行为，并在后方车辆危险接近时提供提前警告。这些预测是紧凑的基于策略的预测，支持对遵循给定策略时安全的长期影响进行预测。我们分析了在赛车模拟器中使用所学预测的两种控制器，以理解预测的价值，并在 Clearpath Jackal 机器人与自动驾驶车辆平台上展示了其实际应用。