MPDM: Tomada de decisão multipolítica em ambientes dinâmicos e incertos para condução autônoma

A condução autônoma no mundo real em tráfego urbano deve lidar com ambientes dinâmicos, incluindo outros agentes com intenções incertas. Isso representa um desafio na tomada de decisão, por exemplo, decidir quando realizar uma manobra de ultrapassagem ou como mesclar-se com segurança no tráfego. Trabalhos anteriores na literatura geralmente abordaram o problema usando soluções ad-hoc que não consideram os possíveis estados futuros de outros agentes, tendo, portanto, dificuldade em se escalar para cenários de tráfego complexos onde as ações dos agentes participantes estão intimamente condicionadas entre si. Neste artigo, apresentamos a tomada de decisão multipolítica (MPDM), um algoritmo de tomada de decisão que explora o conhecimento do domínio da condução autônoma para tomar decisões on-line para um veículo autônomo navegando no tráfego. Assumindo que o veículo controlado e outros participantes do tráfego executam uma política de um conjunto de políticas de laço fechado plausíveis em cada instante de tempo, o algoritmo seleciona a melhor política disponível para o veículo controlado executar. Realizamos a eleição da política usando simulação para frente tanto do veículo controlado quanto de outros agentes, amostrando eficientemente os resultados de alta probabilidade de suas interações. Em seguida, pontuamos os resultados utilizando uma função de custo definida pelo usuário para acomodar diferentes preferências de condução, e selecionamos a política com a pontuação mais alta. Demonstramos o algoritmo em um veículo autônomo do mundo real realizando manobras de ultrapassagem e em um cenário simulado de fusão.