91、基于学习的社交协调提升自动驾驶安全性与鲁棒性

基于学习的社交协调提升自动驾驶安全性与鲁棒性

1. 模拟参数与计算时间

1.1 不同行为的模拟参数

为了模拟不同的驾驶行为，我们设置了保守、中等和激进三种模式，并对相关模型的参数进行了估计，具体参数如下表所示：
| Model | Parameter | Aggressive | Moderate | Conservative |
| — | — | — | — | — |
| MOBIL | sin φe | 0 | 0.3 | 1 |
| | Δath | 0 m/s² | 0.1 m/s² | 0.4 m/s² |
| | bsafe | 12.0 m/s² | 6.0 m/s² | 2.0 m/s² |
| IDM | T⁰ | 0.5 s | 1 s | 3 s |
| | d⁰ | 1 m | 2 m | 6.0 m |
| | accmax | 7.0 m/s² | 3.0 m/s² | 1.0 m/s² |
| | accdes | 12.0 m/s² | 7.0 m/s² | 2.0 m/s² |

1.2 各计算平台的计算时间

在不同的计算平台上，每个代理的在线前向传播时间有所不同，具体如下表：
| Computing platform | Online forward pass time |
| — | — |
| NVIDIA Tesla V100 GPU | 3.7 ms |
| OnLogic Karbo 700 x2 | 65.2 ms |
| NVIDIA Jetson AGX Xav