自動駕駛汽車行為規(guī)劃的社會感知方案

為了導(dǎo)航動態(tài)環(huán)境，自動駕駛汽車(AV)應(yīng)該能夠處理他們可用的所有信息并使用它來生成有效的駕駛策略。加州大學(xué)伯克利分校的研究人員最近提出了一種社會感知方案，用于規(guī)劃自動駕駛汽車的行為，這有助于開發(fā)更好的AV，以應(yīng)對周圍環(huán)境的不確定性。

“我的研究主要集中在如何為自動駕駛汽車設(shè)計類似人類的駕駛行為，”進(jìn)行這項研究的研究人員之一Liting Sun告訴TechXplore。“我們的目標(biāo)是建立不僅能夠理解人類行為，而且能夠在多個方面以類似方式執(zhí)行的AV ，包括感知，推理和行動。”

Sun和她的同事觀察到，人類駕駛員傾向于將其他車輛視為動態(tài)障礙，通常會從他們在路上的行為中推斷出其他信息。該信息通常是被遮擋的環(huán)境信息或物理上不可檢測的社交信息。

“對于AV來說，以同樣的方式行事將是非常重要和有益的，因為這將使他們更聰明，更像人，最終更安全，”Sun說。“在這項工作中，我們讓AV將所有其他道路參與者視為動態(tài)和分布式傳感器。”

Sun及其同事提出的社交感知方案基本上將傳感器分布在傳感器網(wǎng)絡(luò)中的所有車輛和道路上的障礙物都視為對象。這允許AV觀察個體行為和群體行為，使用他們的觀察來統(tǒng)一更新“信念空間”內(nèi)的不同類型的不確定性。該方案特別關(guān)注物理狀態(tài)不確定性(例如由遮擋或有限的傳感器范圍引起)和社會行為不確定性(例如，本地駕駛偏好)。

該方案然后將更新的社會感知信念與基于模型預(yù)測控制(MPC)的概率規(guī)劃框架相結(jié)合，其中成本函數(shù)通過逆強(qiáng)化學(xué)習(xí)(IRL)來學(xué)習(xí)。概率規(guī)劃模塊和社會增強(qiáng)感知之間的這種組合允許車輛產(chǎn)生社會兼容的防御行為，因此不會過于嚴(yán)格。

“通過觀察他人的行為并將其與先前的行為模型進(jìn)行比較，AV可以僅使用自己的傳感器來推斷不可檢測變量的可能狀態(tài)，”Sun說。“這可以幫助AV減少感知不確定性，就像人類一樣。與其他現(xiàn)有方法相比，這項工作的想法有效地擴(kuò)展了AV的感知能力，無需任何額外的硬件，并且可以幫助產(chǎn)生更安全和更有效的機(jī)動。 “

Sun和她的同事在一系列模擬中評估了他們的框架，其中包含具有傳感器遮擋的代表性場景。他們發(fā)現(xiàn)，通過模仿人類的社會感知機(jī)制，感知模塊檢測到的不確定性較少，最終通過非保守的防御計劃生成更安全，更有效的AV行為。

“實際上，這個不錯的功能可以使AV在遮擋的情況下更有效，并且在新的駕駛環(huán)境中更具適應(yīng)性，因為他們可以快速推斷和了解周圍環(huán)境中無法檢測到的社會信息，”Sun解釋道。

在未來，這個研究團(tuán)隊設(shè)計的社會感知方案可以為自動駕駛汽車的發(fā)展提供信息，這種汽車可以更有效地駕馭不斷變化的環(huán)境。Sun和她的同事現(xiàn)在正計劃進(jìn)一步發(fā)展他們的框架，改變一些假設(shè)并使其更容易應(yīng)用于現(xiàn)實生活中。

“為了從其他道路參與者的行為中推斷出額外的不確定信息，AV應(yīng)該配備先前的行為模型，可以近似其他道路參與者的實際行為，”Sun解釋道。“在目前的工作中，我們假設(shè)所有其他道路參與者都是理性優(yōu)化者，并通過獎勵函數(shù)來近似他們的行為生成模型。在我們未來的工作中，我們將放松理性假設(shè)，使近似更加實用。”