自动驾驶---打造自动驾驶系统之决策模块开发（七）_车辆交互分组自动驾驶 mcts-优快云博客

本文链接：https://blog.youkuaiyun.com/Janeiskangs/article/details/146996862

各位读者朋友，大家好。本次打造的自动驾驶仿真系统，涉及感知，预测，规控等多个模块（以规控算法为主，包括Polynomial预测，MCTS决策算法，通行走廊Corridor构建，QP/CILQR轨迹生成求解器，LQR+PID的控制器等），同时也支持其它相关规控算法的扩展（部署&开发自身感兴趣的算法），非常便捷。笔者在该系列中开发的规控算法主要依据专栏《自动驾驶Planning决策规划》中的章节逐步搭建，后续实践系列涉及的博客包括但不局限于以下内容：

《自动驾驶---打造自动驾驶系统之环境准备（一）》---已更新

《自动驾驶---打造自动驾驶系统之定位模块开发（二）》---已更新

《自动驾驶---打造自动驾驶系统之导航模块开发（三）》---已更新

《自动驾驶---打造自动驾驶系统之参考线平滑（四）》---已更新

《自动驾驶---打造自动驾驶系统之感知环境开发（五）》---已更新

《自动驾驶---打造自动驾驶系统之预测模块开发（六）》---已更新

《自动驾驶---打造自动驾驶系统之决策模块开发（七）》

《自动驾驶---打造自动驾驶系统之轨迹生成模块开发（八）》

《自动驾驶---打造自动驾驶系统之控制模块开发（九）》

最终呈现的静态效果（无法直接贴视频）如下：

1 系统环境

笔者的环境是：Ubuntu 18.04 + ROS Melodic，当然18.04以上的环境也支持。

其它依赖库的安装参考之前的博客《自动驾驶---打造自动驾驶系统之环境准备（一）》，后续如果有遗漏，继续补充。

当然，如果各位读者朋友感兴趣或者在此过程中遇到相关问题，欢迎私信咨询！

2 决策模块

关于决策，笔者在之前的专栏中也详细介绍过多种方法：

《自动驾驶---Behavior Planning介绍》

《自动驾驶---Behavior Planning之MCTS》

《自动驾驶---Behavior Planning之EUDM》

本次主要介绍蒙特卡洛树搜索（MCTS）方法，算法详细介绍请参考上述博客。整体MCTS算法过程如下图所示，MCTS算法包含的4个主要步骤：

（1）Selection，选择合适的叶子节点进行进一步扩展；

（2）Expansion，针对选定的叶子节点进行搜索树扩展；

（3）Rollout（MCTS原文中使用的是Simulation，两者所表达的意思是一样的），推演该节点，直到终点或者其它条件退出；

（4）Backpropagation，基于将评估结果通过回溯更新整个蒙特卡洛搜索树。

示例代码：

// Define structures for Node and other necessary data types
struct MCTSNode {
    std::vector<double> state;
    double time;
    int children;
    int visits;
    ...
};

// selection function
MCTSNode* selection(MCTSNode* root) {
    MCTSNode* currentNode = root;
    while (!currentNode->children.empty()) {
        double bestUCB = -std::numeric_limits<double>::max();
        MCTSNode* bestChild = nullptr;
        ...

        ...
        currentNode = bestChild;
    }
    return currentNode;
}

通过决策算法，可以直接生成一条粗糙的轨迹，是由算法中的Tree Node构成，后续可以通过平滑得到质量更好的轨迹，如下图所示。