安全且类人的自动驾驶：一种预测-校正势博弈方法
系统与控制
2023-11-13 v3 系统与控制
摘要
本文提出了一种新颖的自动驾驶车辆（AV）决策框架，称为预测-校正势博弈（PCPG），由预测器（Predictor）和校正器（Corrector）组成。为实现类人推理并刻画智能体交互，构建了滚动时域多智能体博弈。为解决求解多智能体博弈的复杂性及实时性要求带来的挑战，开发了基于势博弈（PG）的决策框架。在PG预测器中，智能体代价函数被启发式预定义。我们认识到其他交通智能体（如人类驾驶车辆和行人）的行为未必与预定义代价函数一致。为解决此问题，设计了基于最优响应的PG校正器。在校正器中，测量自车预测与周围智能体实际行为之间的动作偏差，并反馈至自车决策，以纠正由不准确的预定义代价函数引起的预测误差并改进自车策略。与大多数现有博弈论方法不同，该PCPG 1）处理多智能体博弈，并保证纯策略纳什均衡（PSNE）的存在性、PSNE求解算法的收敛性，以及在多个PSNE存在时所得PSNE的全局最优性；2）在多智能体场景下计算可扩展；3）在特定条件下保证自车安全；4）尽管其他智能体代价函数未知，仍逼近系统的实际PSNE。在包括迎面交通场景和多车交叉路口场景在内的多种交通场景中，对PG、PCPG和基于控制障碍函数（CBF）的方法进行了对比研究。
引用
@article{arxiv.2208.02835,
title = {Safe and Human-Like Autonomous Driving: A Predictor-Corrector Potential Game Approach},
author = {Mushuang Liu and H. Eric Tseng and Dimitar Filev and Anouck Girard and Ilya Kolmanovsky},
journal= {arXiv preprint arXiv:2208.02835},
year = {2023}
}