CoopDistill给固定路径协调加一层学习修正:环岛成功率比势博弈基线高27.1个百分点
核心概要
CoopDistill把合作驾驶拆成两层:势博弈先给出固定路径上的纵向协调参考,残差多智能体强化学习再在它周围学习纵向加速度、冲突接近时机和横向路径修正。在汇入、环岛和交叉口三类场景、25%至100%四档联网自动驾驶车辆渗透率下,相对势博弈基线,成功率提高2.1至27.1个百分点,延误下降7.3%至27.3%,未观察到碰撞。执行时用有限时域推演比较学习提案与参考,不满足可行性或效用条件就退回参考。
深度剖析
合作驾驶不再只靠固定路径上的纵向协调,联网车辆可以在保持参考协调的同时改变局部路径,把互相堵住的车辆放出来。 此前的优化与势博弈方法用固定路径简化多车规划,空间上的腾挪被排除在可行动作之外。 在汇入、环岛和交叉口三类场景、25%至100%四档联网车辆渗透率下,相对势博弈基线,成功率分别提高2.1、27.1和13.1个百分点,且未观察到涉及联网车辆的碰撞。
学习部分不从头生成整段联合动作,而是在参考解上叠加三个通道的修正量。 三个通道分别是纵向加速度残差、冲突接近时机残差和横向路径残差,前两者改纵向请求,后者用平滑偏移曲线让车辆暂时离开原路径再回到原路径,终点不变。 训练时先用势博弈单独跑场景,按碰撞、完成和延误排序,把参考解决不好或明显拖延的场景放进困难子集,再与新鲜场景混合采样,困难场景占比随训练从0.25升到0.50。
执行前,系统从同一状态分别推演学习提案和势博弈参考,只接受通过检查的提案。 检查包括不出现涉及联网车辆的碰撞、不出现无效运动、不引入参考预测中没有的任意车辆碰撞,以及推演效用不低于参考。 在正式测试集上,学习提案平均被接受的比例为69.2%,其余30.8%退回势博弈;按场景平均,14.3%的回合从势博弈失败转为成功,反向转为1.0%。
启示与展望
结论来自汇入、环岛和交叉口三类仿真场景,每类场景每个渗透档120个共同案例,车辆数为六到十二辆,人类驾驶车辆采用异构的跟驰与让行行为模型;作者提出后续将扩展到持续到达、交互瓶颈、不确定驾驶员响应和通信延迟下的推演决策。
作者把扩展到持续交通流、交互瓶颈、不确定驾驶员响应和通信延迟列为未来工作,说明当前结果限于有限时域的单个交互场景;选择器的比较只针对当前状态和预测时域,后续决策依赖已经提交的路径。
