自动驾驶汽车行为规划的社会感知方案

为了导航动态环境，自动驾驶汽车(AV)应该能够处理他们可用的所有信息并使用它来生成有效的驾驶策略。加州大学伯克利分校的研究人员最近提出了一种社会感知方案，用于规划自动驾驶汽车的行为，这有助于开发更好的AV，以应对周围环境的不确定性。

“我的研究主要集中在如何为自动驾驶汽车设计类似人类的驾驶行为，”进行这项研究的研究人员之一Liting Sun告诉TechXplore。“我们的目标是建立不仅能够理解人类行为，而且能够在多个方面以类似方式执行的AV ，包括感知，推理和行动。”

Sun和她的同事观察到，人类驾驶员倾向于将其他车辆视为动态障碍，通常会从他们在路上的行为中推断出其他信息。该信息通常是被遮挡的环境信息或物理上不可检测的社交信息。

“对于AV来说，以同样的方式行事将是非常重要和有益的，因为这将使他们更聪明，更像人，最终更安全，”Sun说。“在这项工作中，我们让AV将所有其他道路参与者视为动态和分布式传感器。”

Sun及其同事提出的社交感知方案基本上将传感器分布在传感器网络中的所有车辆和道路上的障碍物都视为对象。这允许AV观察个体行为和群体行为，使用他们的观察来统一更新“信念空间”内的不同类型的不确定性。该方案特别关注物理状态不确定性(例如由遮挡或有限的传感器范围引起)和社会行为不确定性(例如，本地驾驶偏好)。

该方案然后将更新的社会感知信念与基于模型预测控制(MPC)的概率规划框架相结合，其中成本函数通过逆强化学习(IRL)来学习。概率规划模块和社会增强感知之间的这种组合允许车辆产生社会兼容的防御行为，因此不会过于严格。

“通过观察他人的行为并将其与先前的行为模型进行比较，AV可以仅使用自己的传感器来推断不可检测变量的可能状态，”Sun说。“这可以帮助AV减少感知不确定性，就像人类一样。与其他现有方法相比，这项工作的想法有效地扩展了AV的感知能力，无需任何额外的硬件，并且可以帮助产生更安全和更有效的机动。 “

Sun和她的同事在一系列模拟中评估了他们的框架，其中包含具有传感器遮挡的代表性场景。他们发现，通过模仿人类的社会感知机制，感知模块检测到的不确定性较少，最终通过非保守的防御计划生成更安全，更有效的AV行为。

“实际上，这个不错的功能可以使AV在遮挡的情况下更有效，并且在新的驾驶环境中更具适应性，因为他们可以快速推断和了解周围环境中无法检测到的社会信息，”Sun解释道。

在未来，这个研究团队设计的社会感知方案可以为自动驾驶汽车的发展提供信息，这种汽车可以更有效地驾驭不断变化的环境。Sun和她的同事现在正计划进一步发展他们的框架，改变一些假设并使其更容易应用于现实生活中。

“为了从其他道路参与者的行为中推断出额外的不确定信息，AV应该配备先前的行为模型，可以近似其他道路参与者的实际行为，”Sun解释道。“在目前的工作中，我们假设所有其他道路参与者都是理性优化者，并通过奖励函数来近似他们的行为生成模型。在我们未来的工作中，我们将放松理性假设，使近似更加实用。”