【自主导航】开源 | MIDAS：一种基于强化学习，具有自适应策略的城市自主导航多智能体交互感知决策

获取完整原文和代码，公众号回复：09070584708

论文地址： http://arxiv.org/pdf/2008.07081v1.pdf

代码： 公众号回复：09070584708

来源： Nuro公司, 宾夕法尼亚大学

论文名称：MIDAS: Multi-agent Interaction-aware Decision-making with Adaptive Strategies for Urban Autonomous Navigation

原文作者：Xiaoyi Chen

内容提要

在拥挤、复杂的城市环境中，自主导航需要与道路上的其他agent交互。这个问题的一个常见解决方案是使用预测模型来猜测其他agent可能的未来行为。虽然这是合理的，但它导致了过于保守的计划，因为它没有明确地模拟交互主体的行动的相互影响。本文构建了一种基于强化学习的方法，名为MIDAS，在该方法中，自我agent学习影响城市驾驶场景中其他车辆的控制行为。MIDAS使用一种注意机制来处理任意数量的其他agent，并包括一个驱动类型的参数，以学习跨不同规划目标工作的单一策略。我们构建了一个模拟环境，通过大量的agent和方法，实现多种交互实验，定量研究车辆之间的安全性、效率和交互。MIDAS是使用广泛的实验验证，结果表明：(1)可以工作在不同的道路几何图形，(2)结果在一个自适应自我政策调整容易满足性能标准，如激进或谨慎驾驶，(3)是强劲的推动政策的变化外部agent，(4)比现有方法更有效、更安全的交互认知决策。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。