层次性应急规划在随机的、部分可观测的环境下实现更安全的自主驾驶

ICLRApr, 2022

层次性应急规划在随机的、部分可观测的环境下实现更安全的自主驾驶

Safer Autonomous Driving in a Stochastic, Partially-Observable Environment by Hierarchical Contingency Planning

Ugo Lecerf, Christelle Yemdji-Tchassi, Pietro Michiardi

TL;DR本篇论文提出了一种针对自主导航任务的端到端方法，包括学习强有力的应急计划以及将其与分层规划器相结合，以应对其信念突然改变的情况。研究表明，该方法能够在部分可观察的随机环境中实现健壮性安全行为，并能很好地推广至训练过程中未见过的环境动态。

Abstract

When learning to act in a stochastic, partially observable environment, an intelligent agent should be prepared to anticipate a change in its belief of the environment state, and be capable of adapting its actions on-the-fly to changing conditions. As humans, we are able to form contingency p

autonomous vehicles contingency plans robust agent policy stochastic environment perception

发现论文，激发创造

观测中的意外事件处理：利用学习到的行为模型进行可操作的意外事件规划

本论文提出了一种使用高维场景观察和低维行为观察来学习端到端的泛用性应急计划器的方法，并使用多智能体场景下的逼真飙车模拟实验验证了它的有效性。

Apr, 2021

关于在基于概率规划框架下注入可达性安全保证以应对人机交互的研究

本文提出了一种最小干预的安全控制器，通过使用到达性分析构建实时控制器，实现单车道场景中无碰撞互动的自动驾驶汽车交通合作，并验证其有效性及安全性。

Dec, 2018

具有社交感知的自动驾驶汽车的行为规划

本研究提出了一种基于社会感知方案的自主驾驶决策模块，在该模块中，利用所有可用信息并恰当地处理不确定性问题，将社会感知的更新信念明确地纳入了基于 MPC 的概率规划框架中，以此实现了防御但不过于保守且社会兼容的驾驶策略。

May, 2019

基于层次逆强化学习的交互式驾驶行为概率预测

讨论自动驾驶车辆如何通过基于层次逆强化学习的概率预测方法，准确预测周围车辆的行为并进行规划，以此应对人类行为的不确定性和交互作用。

Sep, 2018

自主车辆的分层博弈规划

本文提出了一种用于自动驾驶的新型博弈理论轨迹规划算法，通过将动态游戏分解为漫长的 “战略” 游戏和短期的 “战术” 游戏，在保证实时性的同时，能够量化自动车辆和人类司机影响彼此的能力和激励，实现更加丰富、安全和有效的自主驾驶行为，并且不依赖于完美理性预测，而是适用于非确定性人类决策的模型。

Oct, 2018

深度结构反应规划

通过深度结构模型的数据驱动反应式规划目标，允许自动驾驶车辆在制定自己的计划的同时，联合推理其他参与者的行为，能够更快地完成高度复杂的机动（道路合并 / 拐弯），而不会牺牲碰撞率，比非反应式情况更具优势

Jan, 2021

应急计划：基于决策的方法

讨论了经典 AI 计划器中存在的世界不确定性的问题，提出了具有显式决策步骤的 Cassandra 部分顺序应急计划器，该计划器可以区分信息获取和决策过程。

May, 1996

学习感知交互式自主安全性

为了确保机器人等自主车辆的广泛部署，本文提出了一种新的闭环范式用于综合安全控制策略，明确考虑系统在可能的未来情景下的演变不确定性，通过物理动力学和机器人的学习算法共同推理，利用对抗深度强化学习进行放大，展示了该框架能够处理贝叶斯信念传播和大规模预训练神经轨迹预测模型引起的隐式学习。

Sep, 2023

基于 HTN 的概率性情境规划实现高质量方案

这篇论文介绍了一种名为 High-Quality Contingent Planner（HQCP）的概率性和遗传性任务网络（HTN）规划器，在部分可观察环境中生成高质量的计划。该规划器在 HTN 规划的形式化中引入了部分可观察性，并根据成本进行了评估。同时，提出了一种新的用于高质量计划的启发式方法，并开发了集成规划算法。最后，经验研究验证了该规划器在概率性遗传规划和获取高质量计划方面的有效性和高效性。

Aug, 2023

面向分布感知的自主驾驶安全目标预测和符合模型规划

本文提出了一种基于模块化架构的学车任务分解方法，在障碍感知、目标预测和规划方面均取得了优秀的方法，并在 CARLA 模拟器上实现了最新的优秀结果。

Dec, 2022