Active Interaction-Aware Model Predictive Path Integral via Ego-Conditioned Generative Predictions

Technische Zusammenfassung: Aktive Interaktionsbewusste Modellprädiktive Pfadintegral-Steuerung durch ego-konditionierte generative Prädiktionen

Problemstellung
Die autonome Navigation im dichten Verkehr ist grundlegend ein interaktives Problem, bei dem das Ego-Fahrzeug und die umgebenden Agenten sich kontinuierlich gegenseitig beeinflussen. Traditionelle „Predict-then-Plan“-Ansätze entkoppeln diese Prozesse, indem sie die Trajektorien der Agenten unabhängig von den zukünftigen Aktionen des Ego-Fahrzeugs vorhersagen. Dieses Paradigma leidet unter dem „Frozen Robot“-Problem, bei dem das System in interaktiven Szenarien (z. B. Spurwechsel, ungeschützte Abbiegevorgänge) übermäßig vorsichtig wird oder in einer Sackgasse landet (Deadlock), da es versäumt, zu berücksichtigen, wie die eigenen Aktionen Reaktionen anderer hervorrufen. Während spieltheoretische Methoden versuchen, diese Interaktionen zu modellieren, stützen sie sich oft auf unrealistische Rationalitätsannahmen und leiden unter rechnerischer Intraktabilität in dichtem Verkehr. Im Gegensatz dazu übernehmen bestehende ego-konditionierte Planer oft eine starre „Leader-Follower“-Struktur, die zu übermäßig aggressivem Verhalten führen kann, da sie implizit davon ausgehen, dass andere Agenten nachgeben werden. Die Kernherausforderung besteht darin, ein Planungsframework zu entwickeln, das aktiv über Interaktionsunsicherheit nachdenkt, die verborgene Intention anderer Agenten sondiert und die Balance zwischen Aufgaben-Effizienz und Sicherheit hält, ohne sich auf vereinfachte parametrische Modelle zu verlassen.

Methodik
Die Autoren schlagen ein hybrides Planungsframework vor, das ein Generatives Autoregressives Prädiktionsmodell (GARPM) – eine Variante der SMART-Transformer-Architektur – in ein Model Predictive Path Integral (MPPI)-Steuerungsschema integriert.

1. Ego-konditionierte Prädiktion: Im Gegensatz zu Standard-Prädiktoren generiert das GARPM stochastische, multimodale Vorhersagen der zukünftigen Zustände umgebender Agenten, die auf spezifische Kandidaten-Trajektorien des Ego-Fahrzeugs konditioniert sind. Die gemeinsame Verteilung der Agentenzukünfte wird autoregressiv faktorisiert, wobei der nächste Zustand jedes Agenten basierend auf der Historie aller Agenten und der spezifischen evaluierten Ego-Trajektorie vorhergesagt wird.
2. Verschachteltes Sampling-Schema: Um die zirkuläre Abhängigkeit zwischen Planung und Prädiktion aufzulösen (da die Planung eine Prädiktion erfordert, die Prädiktion aber eine Planung benötigt), verwenden die Autoren einen handhabbaren verschachtelten Sampling-Ansatz:
   • Äußere Schleife (MPPI): Der Planer sampelt $M$ Kandidaten-Trajektorien des Ego-Fahrzeugs durch Perturbation einer nominalen Steuersequenz.
   • Innere Schleife (Verhaltens-Rollouts): Für jede gesampelte Ego-Trajektorie generiert das GARPM $B$ stochastische Verhaltens-Rollouts der umgebenden Agenten.
   • Surrogatverteilung: Um die Kostenbewertung handhabbar zu machen, wird die diskrete Menge der $B$ Rollouts in eine kontinuierliche Gaussian Mixture (MoG)-Surrogatverteilung umgewandelt. Die Mittelwerte der Gauß-Verteilungen entsprechen den gesampelten Agentenzuständen, während die Mischgewichte aus den autoregressiven Likelihoods der gesampelten Trajektorien abgeleitet werden.
3. Risikobewusste Kostenbewertung: Die Phasenkosten für jede Ego-Trajektorie werden durch die Evaluierung von Tracking- und Geschwindigkeitszielen gegen die MoG-Surrogatverteilung bereut. Entscheidend ist, dass das Kollisionsrisiko durch Integration der MoG-Verteilung über die Kollisionsregion geschätzt wird. Dies ermöglicht es dem Planer, die Kollisionswahrscheinlichkeit unter der induzierten Verteilung der Agenten-Verhaltensweisen zu bewerten.
4. Aktive Reduktion der Unsicherheit: Das Framework begünstigt implizit „aktives“ Verhalten. Trajektorien, die die Umgebung aktiv sondieren (z. B. durch vorsichtiges Vorfahren, um eine Reaktion hervorzurufen), neigen dazu, die Intentionen der Agenten zu disambiguieren, wodurch die MoG-Gewichte auf weniger konsistente Hypothesen konzentriert werden. Dies reduziert das geschätzte Kollisionsrisiko in der Kostenfunktion und führt den MPPI-Optimizer natürlich zu Manövern, die Unsicherheit auflösen.

Wesentliche Beiträge
Das Paper leistet drei primäre Beiträge:

1. Hybrides Framework: Eine neuartige Integration gelernter autoregressiver generativer Modelle in MPPI, welche die Schleife zwischen Prädiktion und Planung schließt. Dies nutzt die Ausdrucksstärke generativer Modelle, um multimodale Unsicherheit aus realen Daten zu erfassen, während gleichzeitig die sicherheitsrelevante Struktur modellbasierter Kontrolle beibehalten wird.
2. Handhabbare interaktionsbewusste Formulierung: Ein interaktions- und unsicherheitsbewusster Planungsansatz mittels eines verschachtelten Sampling-Schemas. Dieser Ansatz evaluiert multimodale Prädiktionen, die auf gesampelten Ego-Trajektorien konditioniert sind, und liefert risikobewusste Kollisionswahrscheinlichkeiten ohne den „Leader-Follower“-Bias standardmäßiger ego-konditionierter Planer.
3. Implizites aktives Sondieren: Die Demonstration, dass die Kombination von generativen Modellen mit MPPI-Gewichtungsmechanismen eine aktive Reduktion der Unsicherheit ermöglicht. Das System erreicht ein entschiedeneres und effizienteres Fahren, ohne explizite Belief-Space-Repräsentationen oder dedizierte Explorationsterme zu benötigen.

Ergebnisse
Die vorgeschlagene Methode wurde im nuPlan-Simulator in drei interaktiven urbanen Szenarien evaluiert: benachbarter Spurwechsel, Auffahrts-Merging und ungeschütztes Linksabbiegen. Das System wurde mit vier Baselines verglichen:

• Baseline 1: Multi-modales „Predict-then-Plan“.
• Baseline 2: Receding-Horizon Ego-Conditioning (konditioniert nur auf die vorherige optimale Planung).
• Baseline 3: Unimodales Ego-Conditioned Planning.
• Baseline 4: Passives Ego-Conditioned MPPI (feste Wahrscheinlichkeiten).

Quantitative Befunde:

• Merging (Spurwechsel): Die vorgeschlagene Methode erreichte eine Erfolgsrate beim Spurwechsel von 75 % mit der geringsten Zeit (11,8 s) im Vergleich zu allen Baselines. Baseline 1 (Predict-then-Plan) hatte eine Erfolgsrate von 37,5 % aufgrund übermäßiger Konservativität.
• On-Ramp Merging (Auffahrt): Die vorgeschlagene Methode erzielte eine Kollisionsrate von 0 %, während die ego-konditionierten Baselines (2, 3 und 4) Kollisionsraten zwischen 15 % und 25 % aufwiesen, bedingt durch eine Überschätzung der Kooperativität. Baseline 1 blieb hingegen übermäßig konservativ.
• Unprotected Left Turn (Ungeschütztes Linksabbiegen): Die vorgeschlagene Methode erreichte die niedrigste Deadlock-Rate (5 %) und Kollisionsrate (0 %) und übertraf damit die Baselines, die Deadlock-Raten von bis zu 30 % und Kollisionsraten von bis zu 10 % aufwiesen.

Qualitative Befunde:
Die visuelle Analyse (Abb. 2–6) bestätigt, dass die vorgeschlagene Methode die Kooperativität umgebender Agenten durch aktives Sondieren erfolgreich erschließt. In kooperativen Szenarien verpflichtet sich der Planer auf das Manöver, sobald der „Yield“-Modus (Vorfahrt gewähren) dominant wird. In nicht-kooperativen Szenarien dominiert der „Proceed“-Modus (Weiterfahren), was das geschätzte Kollisionsrisiko erhöht und den Planer dazu veranlasst, sicherere, ausweichende Manöver zu wählen. Im Gegensatz dazu scheiterten die Baselines entweder daran, die Intentions-Ambiguität aufzulösen (was zu Deadlocks führte) oder blieben zu optimistisch (was zu Kollisionen führte).

Bedeutung
Das Paper behauptet, dass seine Bedeutung in der Bereitstellung einer prinzipiierten Lösung für das „Frozen Robot“-Problem liegt, ohne die rechnerische Last der spieltheoretischen Gleichgewichtsberechnung oder die behavioralen Einschränkungen vereinfachter parametrischer Modelle. Durch die Nutzung der autoregressiven Natur moderner generativer Modelle innerhalb eines sampling-basierten Controllers ermöglicht das Framework autonomen Fahrzeugen, ihre Umgebung aktiv zu sondieren, um Unsicherheit zu reduzieren. Dies führt zu einem Fahrverhalten, das gleichzeitig sicherer, effizienter und entschchiedener ist als konventionelle „Predict-then-Plan“- oder passive interaktionsbewusste Ansätze, und ahmt effektiv die Strategien zur aktiven Unsicherheitsreduktion nach, wie sie bei menschlichen Fahrern beobachtet werden.