Learning MPC for Interaction-Aware Autonomous Driving: A Game-Theoretic Approach
Learning MPC for Interaction-Aware Autonomous Driving: A Game-Theoretic Approach
复制标题
学习用于交互感知自动驾驶的 MPC：一种博弈论方法
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Panagiotis Patrinos
中科院分区：
文献类型：
--
作者：
B. Evens;Mathijs Schuurmans;Panagiotis Patrinos
我们认为，在一般的交通情况下，自动驾驶汽车的交互感知运动规划的问题。我们使用一个广义的潜在的游戏，其中每个道路用户被假定为最小化一个共同的成本函数共享（避撞）的约束下，受控车辆和周围的道路用户之间的相互作用建模。我们提出了一个二次罚函数方法来处理共享约束，并使用基于PANOC的增广拉格朗日方法在线求解最优控制问题。其次，我们提出了一个简单的方法来学习其他道路使用者的偏好和限制在线，根据观察到的行为。通过大量的模拟在高速公路合并的情况下，我们证明了整体方法的实际效果，以及建议的在线学习计划的好处。
We consider the problem of interaction-aware motion planning for automated vehicles in general traffic situations. We model the interaction between the controlled vehicle and surrounding road users using a generalized potential game, in which each road user is assumed to minimize a common cost function subject to shared (collision avoidance) constraints. We propose a quadratic penalty method to deal with the shared constraints and solve the resulting optimal control problem online using an Augmented Lagrangian method based on PANOC. Secondly, we present a simple methodology for learning preferences and constraints of other road users online, based on observed behavior. Through extensive simulations in a highway merging scenario, we demonstrate the practical efficacy of the overall approach as well as the benefits of the proposed online learning scheme.
DOI：
10.15607/rss.2020.xvi.091
发表时间：
2019-10
期刊：
ArXiv
影响因子：
--
作者：
Simon Le Cleac'h;M. Schwager;Zachary Manchester
通讯作者：
Simon Le Cleac'h;M. Schwager;Zachary Manchester
影响因子：
3.1
作者：
Hatz, Kathrin;Schloeder, Johannes P.;Bock, Hans Georg
通讯作者：
Bock, Hans Georg