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

Resumen Técnico: MPPI de Interacción Activa Consciente de la Incertidumbre mediante Predicciones Generativas Condicionadas al Ego

Planteamiento del Problema
La navegación autónoma en tráfico denso es fundamentalmente un problema interactivo donde el vehículo ego y los agentes circundantes se influyen mutuamente de forma continua. Los enfoques tradicionales de "predecir-luego-planificar" desacoplan estos procesos, prediciendo las trayectorias de los agentes de forma independiente a las acciones futuras del vehículo ego. Este paradigma sufre el problema del "robot congelado", donde el sistema se vuelve excesivamente cauteloso o cae en bloqueos en escenarios interactivos (por ejemplo, incorporaciones o giros sin protección), debido a que no tiene en cuenta cómo sus propias acciones provocan reacciones en otros. Mientras que los métodos de teoría de juegos intentan modelar estas interacciones, a menudo dependen de supuestos de racionalidad poco realistas y sufren de intratabilidad computacional en tráfico denso. Por el contrario, los planificadores condicionados al ego existentes suelen adoptar una estructura rígida de "líder-seguidor" que puede derivar en un comportamiento excesivamente agresivo al asumir implícitamente que los demás agentes cederán el paso. El desafío central es desarrollar un marco de planificación que razone activamente sobre la incertidumbre de la interacción, sondee la intención oculta de otros agentes y equilibre la eficiencia de la tarea con la seguridad sin depender de modelos paramétricos simplificados.

Metodología
Los autores proponen un marco de planificación híbrido que integra un Modelo de Predicción Generativa Autorregresiva (GARPM) —específicamente una variante de la arquitectura Transformer SMART— dentro de un esquema de control de Control de la Integral de Trayectoria de Camino de Modelo Predictivo (MPPI).

1. Predicción Condicionada al Ego: A diferencia de los predictores estándar, el GARPM genera predicciones estocásticas y multimodales de los futuros de los agentes circundantes, condicionadas a trayectorias candidatas específicas del vehículo ego. La distribución conjunta de los futuros de los agentes se factoriza de forma autorregresiva, donde el siguiente estado de cada agente se predice basándose en el historial de todos los agentes y en la trayectoria específica del ego que se está evaluando.
2. Esquema de Muestreo Anidado: Para resolver la dependencia circular entre planificación y predicción (donde el plan requiere una predicción, pero la predicción requiere un plan), los autores emplean un enfoque de muestreo anidado tratable:
   • Bucle Exterior (MPPI): El planificador muestrea $M$ trayectorias candidatas del ego perturbando una secuencia de control nominal.
   • Bucle Interior (Simulaciones de Comportamiento): Para cada trayectoria de ego muestreada, el GARPM genera $B$ simulaciones estocásticas de comportamiento para los agentes circundantes.
   • Distribución Sustituta: Para que la evaluación de costos sea tratable, el conjunto discreto de $B$ simulaciones se convierte en una Mezcla de Gaussianas (MoG) continua. Las medias de las Gaussianas corresponden a los estados de los agentes muestreados, mientras que los pesos de mezcla se derivan de las verosimilitudes autorregresivas de las trayectorias muestreadas.
3. Evaluación de Costo Consciente del Riesgo: El costo de etapa para cada trayectoria del ego se calcula evaluando los objetivos de seguimiento y velocidad contra la distribución MoG sustituta. Crucialmente, el riesgo de colisión se estima integrando la distribución MoG sobre la región de colisión. Esto permite al planificador evaluar la probabilidad de colisión bajo la distribución inducida de los comportamientos de los agentes.
4. Reducción Activa de la Incertidumbre: El marco incentiva implícitamente un comportamiento "activo". Las trayectorias que sondean activamente el entorno (por ejemplo, avanzar lentamente para provocar una reacción) tienden a desambiguar las intenciones de los agentes, concentrando los pesos de la MoG en menos hipótesis consistentes. Esto reduce el riesgo de colisión estimado en la función de costo, guiando naturalmente al optimizador MPPI hacia maniobras que resuelven la incertidumbre.

Contribuciones Clave
El artículo realiza tres contribuciones principales:

1. Marco Híbrido: Una novedosa integración de modelos generativos autorregresivos aprendidos en MPPI, cerrando el bucle entre la predicción y la planificación. Esto aprovecha la capacidad expresiva de los modelos generativos para capturar la incertidumbre multimodal a partir de datos del mundo real, manteniendo al mismo tiempo la estructura relevante para la seguridad del control basado en modelos.
2. Formulación de Interacción Consciente Tratable: Un esquema de planificación consciente de la interacción y la incertidumbre utilizando un esquema de muestreo anidado. Este enfoque evalúa predicciones multimodales condicionadas a las trayectorias de ego muestreadas, produciendo estimaciones de probabilidad de colisión conscientes del riesgo sin el sesgo de "líder-seguidor" de los planificadores estándar condicionados al ego.
3. Sondeo Activo Implícito: Demostración de que la combinación de modelos generativos con mecanismos de ponderación de MPPI permite la reducción activa de la incertidumbre. El sistema logra un comportamiento de conducción más asertivo y eficiente sin requerir representaciones explícitas de espacio de creencias o términos de exploración dedicados.

Resultados
El método propuesto fue evaluado en el simulador nuPlan en tres escenarios urbanos interactivos: incorporación en carril adyacente, incorporación en vía de acceso y giro a la izquierda sin protección. El sistema se comparó con cuatro líneas de base:

• Línea de base 1: Predict-then-plan (Predecir-luego-planificar) multimodal.
• Línea de base 2: Condicionamiento al ego de horizonte recesivo (condicionado solo al plan óptimo anterior).
• Línea de base 3: Planificación condicionada al ego unimodal.
• Línea de base 4: MPPI pasivo condicionado al ego (probabilidades fijas).

Hallazgos Cuantitativos:

• Incorporación (Merging): El método propuesto logró una tasa de éxito de incorporación del 75% con el tiempo de incorporación más bajo (11.8s) en comparación con todas las líneas de base. La línea de base 1 (predict-then-plan) tuvo una tasa de éxito del 37.5% debido a un exceso de conservadurismo.
• Incorporación en Vía de Acceso (On-Ramp): El método propuesto logró una tasa de colisión del 0%, mientras que las líneas de base condicionadas al ego (2, 3 y 4) sufrieron tasas de colisión de entre el 15% y el 25% debido a la sobreestimación de la cooperación. La línea de base 1 se mantuvo excesivamente conservadora.
• Giro a la Izquierda sin Protección: El método propuesto logró la tasa más baja de bloqueo (5%) y de colisión (0%), superando a las líneas de base que exhibieron tasas de bloqueo de hasta el 30% y tasas de colisión de hasta el 10%.

Hallazgos Cualitativos:
El análisis visual (Figs. 2–6) confirma que el método propuesto infiere con éxito la cooperación de los agentes circundantes mediante el sondeo activo. En escenarios cooperativos, el planificador se compromete con la maniobra una vez que el modo de "ceder el paso" se vuelve dominante. En escenarios no cooperativos, el modo de "proceder" domina, aumentando el riesgo de colisión estimado y causando que el planificador seleccione maniobras de evasión más seguras. En contraste, las líneas de base fallaron al resolver la ambigüedad de la intención (llevando al bloqueo) o permanecieron excesivamente optimistas (llevando a colisiones).

Significancia
El artículo afirma que su significancia radica en proporcionar una solución fundamentada al problema del "robot congelado" sin la carga computacional del cálculo de equilibrio de la teoría de juegos o las limitaciones de comportamiento de los modelos paramétricos simplificados. Al aprovechar la naturaleza autorregresiva de los modelos generativos modernos dentro de un controlador basado en muestreo, el marco permite que los vehículos autónomos sondeen activamente su entorno para reducir la incertidumbre. Esto resulta en un comportamiento de conducción que es simultáneamente más seguro, más eficiente y más decisivo que los enfoques convencionales de "predecir-luego-planificar" o de interacción pasiva, imitando eficazmente las estrategias de reducción activa de la incertidumbre observadas en los conductores humanos.