Prise de décision multipolitique pour la conduite autonome via la prédiction de comportement basée sur des points de changement

Pour fonctionner de manière fiable dans la circulation réelle, une voiture autonome doit évaluer les conséquences de ses actions potentielles en anticipant les intentions incertaines des autres participants à la circulation. Cet article présente une approche intégrée d'inférence comportementale et de prise de décision qui modélise le comportement des véhicules, tant le nôtre que celui des véhicules voisins, comme un ensemble discret de politiques en boucle fermée qui réagissent aux actions des autres agents. Chaque politique capture un comportement et une intention distincts de haut niveau, tels que conduire dans une voie ou tourner à une intersection. Nous employons d'abord la détection de points de changement bayésienne sur l'historique observé des états des voitures voisines pour estimer la distribution sur les politiques potentielles que chaque voiture voisine pourrait exécuter. Nous échantillonnons ensuite des politiques à partir de ces distributions pour obtenir des actions de haute probabilité pour chaque véhicule participant. Grâce à la simulation en boucle fermée de ces échantillons, nous pouvons évaluer les résultats de l'interaction de notre véhicule avec d'autres participants (par exemple, un véhicule qui fusionne accélère et nous ralentissons pour lui faire de la place, ou le véhicule devant le nôtre freine soudainement et nous décidons de le dépasser). Sur la base de ces échantillons, notre véhicule exécute ensuite la politique avec la valeur de récompense espérée maximale. Ainsi, notre système est capable de prendre des décisions basées sur des interactions couplées entre les voitures de manière abordable. Ce travail prolonge notre système multipolitique précédent. Nous évaluons notre approche à l'aide de données de suivi de circulation du monde réel provenant de notre plateforme de véhicule autonome, et présentons les résultats de prise de décision en simulation impliquant des scénarios de circulation sur autoroute.