46、基于拓扑辫子的无控制交叉口隐式多智能体协调

基于拓扑辫子的无控制交叉口隐式多智能体协调

1. 引言

街道环境（如交叉口）通常具有显著的空间结构，像人行横道、人行道或专用车道。然而，由于驾驶员之间的差异、当地习俗以及交通标志和信号灯设置的不一致，并非所有交叉口都有具体的机制来组织交通流的时间分布。例如，没有交通信号灯和标志的街道交叉口是许多驾驶员都遇到过的情况，在发展中国家尤为普遍。

在这种情况下，使用标准的信号方式（如转向灯、喇叭，甚至眼神、手势和口头交流）可能会有帮助，但仅依赖这些线索存在很大风险。在交叉口做出错误反应的后果从低效的通行（交通堵塞）到灾难性的碰撞不等。在美国，2018 年有 43.7%的机动车碰撞事故发生在交叉口，其中 8245 起涉及死亡，占当年所有致命碰撞事故的 24.5%。我们认为，高不确定性和缺乏及时协调是导致这种情况的主要因素。

基于这些观察，我们考虑一个无控制的四路街道交叉口模型，其中多个理性、不进行通信但能完美观测的智能体在近距离内导航。智能体之间缺乏明确的通信导致高度不确定性，这使得决策变得复杂。不过，环境的空间结构和智能体的理性倾向于将多智能体行为归结为离散的模式。我们的关键见解是，与其尝试以笛卡尔轨迹的形式预测智能体的未来行为（这对样本或运行时复杂度有很高要求），不如让智能体具备模式预测模型，这通常就足够了。例如，在一个涉及两辆车的简单场景中，一个智能体可以推断自己在另一辆车之前或之后通过的可能性。

2. 相关工作

近年来，机器人学界对多智能体驾驶领域给予了相当多的关注。现实世界交通的复杂性促使人们开展了关于多智能体行为表示的基础研究。一些工作提出了离散的、语义化的交通表示方法，如使用多维时间序列分析对离散驾驶风格进行分类，或使用隐马尔可夫模