ALGAMES: a fast augmented Lagrangian solver for constrained dynamic games
ALGAMES: a fast augmented Lagrangian solver for constrained dynamic games
复制标题
ALGAMES：用于约束动态游戏的快速增强拉格朗日求解器
DOI：
10.1007/s10514-021-10024-7
复制
发表时间：
2021
影响因子：
3.5
通讯作者：
Manchester, Zachary
中科院分区：
文献类型：
--
作者：
Le Cleac’h, Simon;Schwager, Mac;Manchester, Zachary
动态博弈是处理多个交互参与者控制的有效范式。本文介绍了增广拉格朗日博弈理论求解器（ALGAMES），求解器，处理多个演员和一般的非线性状态和输入约束的随机优化问题。它的新奇在于满足一阶最优性条件的拟牛顿寻根算法和严格执行约束，使用增广拉格朗日方法。我们评估我们的解决方案的背景下，自动驾驶的情况下，车辆之间的互动水平很高。我们评估的鲁棒性的求解器使用Monte Carlo模拟。它能够可靠地解决复杂的问题，如三辆车的坡道合并速度比最先进的基于DDP的方法快三倍。该算法的模型预测控制（MPC）实现，运行频率超过60 Hz，展示了ALGAMES在复杂的自动驾驶场景中缓解“冻结机器人”问题的能力，例如合并到拥挤的高速公路上。
Dynamic games are an effective paradigm for dealing with the control of multiple interacting actors. This paper introduces augmented Lagrangian GAME-theoretic solver (ALGAMES), a solver that handles trajectory-optimization problems with multiple actors and general nonlinear state and input constraints. Its novelty resides in satisfying the first-order optimality conditions with a quasi-Newton root-finding algorithm and rigorously enforcing constraints using an augmented Lagrangian method. We evaluate our solver in the context of autonomous driving on scenarios with a strong level of interactions between the vehicles. We assess the robustness of the solver using Monte Carlo simulations. It is able to reliably solve complex problems like ramp merging with three vehicles three times faster than a state-of-the-art DDP-based approach. A model-predictive control (MPC) implementation of the algorithm, running at more than 60 Hz, demonstrates ALGAMES’ ability to mitigate the “frozen robot” problem on complex autonomous driving scenarios like merging onto a crowded highway.
登录
查看更多内容
无约束非线性动态博弈的牛顿法和微分动态规划
DOI：
10.1109/cdc40024.2019.9029237
发表时间：
2019
期刊：
2019 IEEE 58th Conference on Decision and Control (CDC)
影响因子：
--
作者：
Bolei Di;Andrew G. Lamperski
通讯作者：
Andrew G. Lamperski
广义和微分博弈的基于推理的策略调整
DOI：
--
发表时间：
2020
期刊：
Adaptive Agents and Multi-Agent Systems
影响因子：
--
作者：
Lasse Peters;David Fridovich;C. Tomlin;Zachary Sunberg
通讯作者：
Zachary Sunberg
非线性多人一般和微分博弈的高效迭代线性二次逼近
DOI：
--
发表时间：
2019
期刊：
IEEE International Conference on Robotics and Automation
影响因子：
--
作者：
David Fridovich;Ellis Ratner;Lasse Peters;A. Dragan;C. Tomlin
通讯作者：
C. Tomlin
置信空间中的随机动态博弈
影响因子：
7.8
作者：
Schwarting, Wilko;Pierson, Alyssa;Karaman, Sertac;Rus, Daniela
通讯作者：
Rus, Daniela
DOI：
--
发表时间：
2016
期刊：
IEEE Conference on Decision and Control
影响因子：
--
作者：
Wei Sun;Evangelos A. Theodorou;P. Tsiotras
通讯作者：
P. Tsiotras