行为不确定性下自动驾驶的风险约束交互式安全
人工智能
2021-02-08 v1
摘要
在密集交通中规划时平衡安全性与效率颇具挑战。交互式行为规划器纳入了此类交通场景固有的预测不确定性与交互性。然而,其对单目标最优性的使用妨碍了对所得安全目标的可解释性。限制允许规划区域的安全包络能在行为不确定性存在时给出可解释的安全性,但因保守驾驶而在密集交通中牺牲效率。研究表明,人类通过在密集交通中接受违反安全包络的概率性风险来平衡安全与效率。本工作中,我们为交互式规划采纳该安全目标。具体而言,我们形式化该安全目标,提出风险约束鲁棒随机贝叶斯博弈(Risk-Constrained Robust Stochastic Bayesian Game),对其他交通参与者行为不确定性下满足最大违反安全包络风险的交互决策建模,并使用我们改进的多智能体蒙特卡洛树搜索求解。我们在仿真中证明,该方法优于基线方法,并且在行驶仿真时间内达到指定违反风险水平,为交互式规划提供了可解释且可调的安全目标。
引用
@article{arxiv.2102.03053,
title = {Risk-Constrained Interactive Safety under Behavior Uncertainty for Autonomous Driving},
author = {Julian Bernhard and Alois Knoll},
journal= {arXiv preprint arXiv:2102.03053},
year = {2021}
}