Decision-Making for Autonomous Vehicles with Interaction-Aware Behavioral Prediction and Social-Attention Neural Network

要約

自動運転車は、渋滞の中で人間のドライバーと対話しながらタスクを達成する必要があります。
したがって、周囲の交通の意図をよりよく理解するために人工推論を自動運転車に装備し、それによってタスクの達成を容易にすることが重要です。
この研究では、ドライバーの相互作用の意図を潜在的な社会心理学的パラメーターにエンコードする行動モデルを提案します。
ベイジアン フィルターを活用して、相互作用するドライバーの意図の不確実性を考慮した自動運転車の意思決定のための後退地平線最適化ベースのコントローラーを開発します。
オンライン展開の場合、オンライン推定パラメータ事前確率を使用して動作モデルを模倣するアテンション メカニズムに基づいてニューラル ネットワーク アーキテクチャを設計します。
また、意思決定問題をオンラインで解決するための決定木探索アルゴリズムも提案します。
次に、提案された動作モデルは、現実世界の軌道予測の機能の観点から評価されます。
さらに、シミュレーション環境と現実世界の交通データセットの両方を使用して、高速道路の強制合流シナリオで、提案された意思決定モジュールの広範な評価を実施します。
結果は、私たちのアルゴリズムが運転の安全性を確保しながら、さまざまな交通状況で強制合流タスクを完了できることを示しています。

要約(オリジナル)

Autonomous vehicles need to accomplish their tasks while interacting with human drivers in traffic. It is thus crucial to equip autonomous vehicles with artificial reasoning to better comprehend the intentions of the surrounding traffic, thereby facilitating the accomplishments of the tasks. In this work, we propose a behavioral model that encodes drivers’ interacting intentions into latent social-psychological parameters. Leveraging a Bayesian filter, we develop a receding-horizon optimization-based controller for autonomous vehicle decision-making which accounts for the uncertainties in the interacting drivers’ intentions. For online deployment, we design a neural network architecture based on the attention mechanism which imitates the behavioral model with online estimated parameter priors. We also propose a decision tree search algorithm to solve the decision-making problem online. The proposed behavioral model is then evaluated in terms of its capabilities for real-world trajectory prediction. We further conduct extensive evaluations of the proposed decision-making module, in forced highway merging scenarios, using both simulated environments and real-world traffic datasets. The results demonstrate that our algorithms can complete the forced merging tasks in various traffic conditions while ensuring driving safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google