Contingency Games for Multi-Agent Interaction

要約

不確実なイベントの結果を条件としてエージェントが一連の可能な計画を生成する緊急時対応計画は、ロボットが不確実な状況下で行動する方法としてますます一般的になっています。
この研究では、ロボットの行動が他のエージェントの決定に影響を与えたり、その逆を行ったりするマルチエージェントのシナリオに合わせた緊急時対応計画について、ゲーム理論的な観点を取り入れています。
結果として生じる不測の事態のゲームにより、ロボットは、シーン内の他のアクターの考えられる複数の意図を条件とした戦略的動作計画を生成することで、他のエージェントと効率的に対話できるようになります。
緊急事態対応ゲームは、意図の不確実性が解決される将来の時間を表すスカラー変数を介してパラメーター化されます。
このパラメータをオンラインで推定することで、将来の確実性を予測しながら変化する信念に適応するゲーム理論的な動作プランナーを構築します。
我々は、不確実性の下でのゲーム理論的計画の既存の変形が、偶発性ゲームの特殊なケースとして容易に得られることを示し、非線形ダイナミクスと非凸のコストと制約を備えた N プレイヤーの偶発性ゲームを解決するための効率的な方法を提供します。
一連のシミュレートされた自動運転シナリオを通じて、我々は、不測の事態ゲームによって生成された計画が、将来の不確実性の低減を考慮していないゲーム理論の動作計画よりも定量的なパフォーマンスの向上をもたらすことを実証しました。

要約(オリジナル)

Contingency planning, wherein an agent generates a set of possible plans conditioned on the outcome of an uncertain event, is an increasingly popular way for robots to act under uncertainty. In this work we take a game-theoretic perspective on contingency planning, tailored to multi-agent scenarios in which a robot’s actions impact the decisions of other agents and vice versa. The resulting contingency game allows the robot to efficiently interact with other agents by generating strategic motion plans conditioned on multiple possible intents for other actors in the scene. Contingency games are parameterized via a scalar variable which represents a future time when intent uncertainty will be resolved. By estimating this parameter online, we construct a game-theoretic motion planner that adapts to changing beliefs while anticipating future certainty. We show that existing variants of game-theoretic planning under uncertainty are readily obtained as special cases of contingency games, and we offer an efficient method for solving N-player contingency games with nonlinear dynamics and non-convex costs and constraints. Through a series of simulated autonomous driving scenarios, we demonstrate that plans generated via contingency games provide quantitative performance gains over game-theoretic motion plans that do not account for future uncertainty reduction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google