面向自主机器人系统的向量成本行为规划及最新验证策略

向量成本双矩阵游戏是一种多目标决策方法，使自主机器人系统能够一次性优化多个目标，同时避免在被忽视的目标中出现最坏情况。我们将该方法扩展到任意数量的目标，并在竞争运动规划中将其性能与标量加权方法进行比较。解释性人工智能（XAI）软件用于辅助分析高维决策数据。使用遵守策略的多维边界探索状态空间（SEMBAS）用于对基线和提议框架的参数空间进行灵敏度研究。虽然一些工作已分别探索了博弈论规划和智能系统验证的各个方面，但我们将这些方面整合为一种新型且全面的仿真管道。该集成显示出向量成本方法相对于标量化的显著优势，并为机器人行为规划提供一种可解释且可推广的框架。代码已公开：https://github.com/toazbenj/race_simulation。本作品的视频伴随 material 也可在 https://tinyurl.com/vectorcostvideo 获得。