LUCIDGames:一种计划自动驾驶车辆的自适应轨迹的技术

LUCIDGames:一种计划自动驾驶车辆的自适应轨迹的技术
图片提供:Le Cleac’h,施瓦格和曼彻斯特。

尽管许多自动驾驶车辆在模拟或初步试验中均取得了卓越的性能,但在真实街道上进行测试时,它们通常无法根据周围环境中其他车辆或代理人的轨迹或运动来适应其轨迹或运动。在需要一定程度协商的情况下,例如在十字路口或多车道街道上,情况尤其如此。

斯坦福大学的研究人员最近创建了LUCIDGames,这是一种可以预测和规划自动驾驶汽车自适应轨迹的计算技术。在arXiv上预先发表的一篇论文中提出的这项技术将基于博弈论的算法和估计方法进行了整合。

“随着过去几年自动驾驶技术的进步,我们注意到,一些驾驶操作,例如在无人保护的十字路口左转,改变车道或合并在拥挤的高速公路上,对于自动驾驶仍然充满挑战。而人类却可以很容易地执行它们。”进行这项研究的研究人员之一西蒙·勒克莱赫(Simon Le Cleac’h)说,“我们认为,这些互动涉及自动驾驶汽车与其周围汽车之间的重要谈判。”

人们通常能够确定周围环境中操作车辆的其他驾驶员的目标,并协商决策,例如谁在给定的十字路口先行驶。在他们的研究中,Le Cleac’h和他的同事试图在自动驾驶汽车中复制这种能力及其基础的复杂行为。他们的总体目标是使自动驾驶汽车能够确定周围其他车辆的目标,以便在涉及某种程度协商的情况下规划更合适的轨迹。

Le Cleac’h说:“我们的工作结合了两个主要工具,一个依靠博弈论的算法和一种估算技术。” “基于博弈论的组件允许自动驾驶汽车在其目标可能未完全与其自身目标保持一致时推理与其他代理(车辆,行人,骑自行车的人等)的相互作用。另一方面,估算部分手,让无人驾驶车辆在与其他特工互动时迅速发现其他特工的潜在目标,例如,可能是期望速度,车道或与该无人驾驶汽车互动的每辆车的攻击性水平。”

Le Cleac’h和他的同事提出的LUCIDGames技术旨在为自动驾驶汽车提供快速识别附近汽车和行人目标的能力。这使他们能够预测这些代理程序将来会做什么,并且即使在复杂的情况下也可以安全地围绕它们运行。

研究人员创建的系统由“估计器”(一种确定驾驶员目标的技术)和“决策者”(一种控制自动驾驶车辆的转向角和加速度的算法)组成。决策者根据估算器收集的信息,确定最适合车辆的轨迹。

“起初,无人驾驶汽车不知道与之并驾的汽车的目标,因此估算师会猜测汽车的目标。” Le Cleac’h解释道。“对于每个猜测,自动驾驶汽车都会预测接下来几秒钟内汽车的轨迹;然后将预测与现实中发生的事情进行比较。在预测未来方面最准确的猜测得以保留。”

经过初步培训后,LUCIDGames会采样与其他特工轨迹非常接近的新猜测,并评估其预测性能。通过每秒重复几次此过程,可以完善其猜测,并最终预测周围环境中其他媒介的移动方式。

Le Cleac’h说:“利用我们的技术,自动驾驶汽车还可以知道何时可以对自己的猜测充满信心,何时不确定性太大以及信心越低。” “在这些不确定的情况下,它将采取更加谨慎的行动,并与其他车辆保持更大的安全距离。”

LUCIDGames:一种计划自动驾驶车辆的自适应轨迹的技术
图片提供:Le Cleac’h

Le Cleac’h和他的同事设计的这项技术的估算部分还允许自动驾驶汽车根据其在街上遇到的驾驶员类型来适应他们的决策。例如,它可以确定驾驶员是否特别好斗,从而允许决策组件相应地调整自动驾驶汽车的轨迹和运动(例如,与好斗的驾驶员操作的车辆保持更大的安全距离)。没有这种估算技术,无人驾驶汽车将以相同的方式行驶并执行相同的动作,而不管周围环境的驾驶员是否谨慎或激进,都可能增加发生事故的风险。

Le Cleac’h说:“我们已经看到,将博弈论和估计相结合的概念是在与其他驾驶员进行互动和协商很关键的情况下,为自动驾驶汽车产生复杂驾驶行为的有效方法。” “我们的算法能够以逼真的速度在现实的驾驶场景下对自动驾驶汽车进行估算和决策,以使其能够在实践中应用。”

将来,LUCIDGames可以帮助提高自动驾驶车辆的安全性和可靠性,通过预测周围环境中特工的动作和动作,使它们以自适应方式移动。到目前为止,Le Cleac’h和他的同事们仅在仿真中评估了该技术,但现在他们计划在真正的自动驾驶汽车上对其进行测试。

Le Cleac’h说:“我们的研究部分由丰田研究院(TRI)资助,我们计划与TRI合作在他们的车辆上测试LUCIDGames。” “我们的实验室(斯坦福大学的多机器人系统实验室)已经与斯坦福大学汽车研究中心合作,试验了小型模型汽车和全尺寸自动驾驶汽车之间的游戏理论相互作用。”

本文为作者 王泽瑞 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论