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

Résumé Technique : Modèle de l'Intégrale de Chemin Prédictif à Interaction Active par Prédictions Génératives Conditionnées par l'Ego

Énoncé du Problème
La navigation autonome dans un trafic dense est fondamentalement un problème interactif où le véhicule ego et les agents environnants s'influencent continuellement l'un l'autre. Les approches traditionnelles de type « prédire-puis-planifier » découplent ces processus, prédisant les trajectoires des agents indépendamment des actions futures du véhicule ego. Ce paradigme souffre du problème du « robot gelé » (frozen robot), où le système devient excessivement prudent ou se retrouve dans une impasse (deadlock) lors de scénarios interactifs (ex. : insertion, virages sans priorité), car il ne parvète pas à prendre en compte la manière dont ses propres actions provoquent des réactions chez les autres. Bien que les méthodes de théorie des jeux tentent de modéliser ces interactions, elles reposent souvent sur des hypothèses de rationalité irréalistes et souffrent d'une intractabilité computationnelle dans un trafic dense. Inversement, les planificateurs conditionnés par l'ego existants adoptent souvent une structure rigide de type « leader-suiveur » qui peut conduire à un comportement excessivement agressif en supposant implicitement que les autres agents céderont le passage. Le défi central est de développer un cadre de planification capable de raisonner activement sur l'incertitude de l'interaction, de sonder l'intention cachée des autres agents et de trouver un équilibre entre efficacité de la tâche et sécurité, sans dépendre de modèles paramétriques simplifiés.

Méthodologie
Les auteurs proposent un cadre de planification hybride qui intègre un Modèle de Prédiction Génératif Autorégressif (GARPM) — spécifiquement une variante de l'architecture Transformer SMART — au sein d'un schéma de contrôle par Intégrale de Chemin Prédictif (MPPI).

1. Prédiction Conditionnée par l'Ego : Contrairement aux prédicteurs standards, le GARPM génère des prédictions stochastiques et multimodales des futurs des agents environnants, conditionnées par des trajectoires candidates spécifiques de l'ego. La distribution jointe des futurs des agents est factorisée de manière autorégressive, où l'état suivant de chaque agent est prédit en fonction de l'historique de tous les agents et de la trajectoire spécifique de l'ego en cours d'évaluation.
2. Schéma d'Échantillonnage Imbriqué : Pour résoudre la dépendance circulaire entre planification et prédiction (où le plan nécessite une prédiction, mais la prédiction nécessite un plan), les auteurs emploient une approche d'échantillonnage imbriqué traitable :
   • Boucle Extérieure (MPPI) : Le planificateur échantillonne $M$ trajectoires candidates de l'ego en perturbant une séquence de contrôle nominale.
   • Boucle Intérieure (Simulations de Comportement) : Pour chaque trajectoire d'ego échantillonnée, le GARPM génère $B$ simulations stochastiques des comportements des agents environnants.
   • Distribution de Substitution : Pour rendre l'évaluation du coût traitable, l'ensemble discret de $B$ simulations est converti en une Mélange de Gaussiennes (MoG) continue. Les moyennes des Gaussiennes correspondent aux états des agents échantillonnés, tandis que les poids de mélange sont dérivés des vraisemblances autorégressives des trajectoires échantillonnées.
3. Évaluation du Coût Sensible au Risque : Le coût d'étape pour chaque trajectoire de l'ego est calculé en évaluant les objectifs de suivi et de vitesse par rapport à la distribution de substitution MoG. Crucialement, le risque de collision est estimé en intégrant la distribution MoG sur la région de collision. Cela permet au planificateur d'évaluer la probabilité de collision sous la distribution induite des comportements des agents.
4. Réduction Active de l'Incertitude : Le cadre encourage implicitement un comportement « actif ». Les trajectoires qui sondent activement l'environnement (par exemple, en avançant progressivement pour susciter une réaction) tendent à lever l'ambiguïté sur les intentions des agents, concentrant les poids de la MoG sur un nombre réduit d'hypothèses plus cohérentes. Cela réduit le risque de collision estimé dans la fonction de coût, guidant naturellement l'optimiseur MPPI vers des manœuvres qui résolvent l'incertitude.

Contributions Clés
Le papier présente trois contributions principales :

1. Cadre Hybride : Une intégration novatrice de modèles génératifs autorégressifs appris dans le MPPI, fermant la boucle entre prédiction et planification. Cela exploite la capacité expressive des modèles génératifs pour capturer l'incertitude multimodale à partir de données réelles tout en conservant la structure pertinente pour la sécurité du contrôle basé sur un modèle.
2. Formulation de l'Interaction Traitable : Une formulation de planification sensible à l'interaction et à l'incertitude utilisant un schéma d'échantillonnage imbriqué. Cette approche évalue des prédictions multimodales conditionnées par les trajectoires d'ego échantillonnées, produisant des estimations de probabilité de collision sensibles au risque sans le biais « leader-suiveur » des planificateurs standard conditionnés par l'ego.
3. Sondage Actif Implicite : La démonstration que la combinaison de modèles génératifs avec les mécanismes de pondération du MPPI permet une réduction active de l'incertitude. Le système atteint un comportement de conduite plus assertif et efficace sans nécessiter de représentations explicites de l'espace de croyance ou de termes d'exploration dédiés.

Résultats
La méthode proposée a été évaluée dans le simulateur nuPlan à travers trois scénarios urbains interactifs : insertion sur la voie adjacente, insertion sur bretelle d'accès et virage à gauche sans priorité. Le système a été comparé à quatre lignes de base :

• Ligne de base 1 : Prédire-puis-planifier multimodal.
• Ligne de base 2 : Conditionnement par l'ego à horizon récessif (conditionné uniquement sur le plan optimal précédent).
• Ligne de base 3 : Planification conditionnée par l'ego unimodale.
• Ligne de base 4 : MPPI passif conditionné par l'ego (probabilités fixes).

Résultats Quantitatifs :

• Insertion (Merging) : La méthode proposée a atteint un taux de succès d'insertion de 75 % avec le temps d'insertion le plus court (11,8 s) par rapport à toutes les lignes de base. La ligne de base 1 (prédire-puis-planifier) avait un taux de succès de 37,5 % en raison d'un excès de conservatisme.
• Insertion sur Bretelle (On-Ramp) : La méthode proposée a atteint un taux de collision de 0 %, alors que les lignes de base conditionnées par l'ego (2, 3 et 4) ont subi des taux de collision compris entre 15 % et 25 % en raison d'une surestimation de la coopération. La ligne de base 1 est restée excessivement conservatrice.
• Virage à Gauche sans Priorité : La méthode proposée a obtenu le taux d'impasse (deadlock) le plus bas (5 %) et le taux de collision le plus bas (0 %), surpassant les lignes de base qui présentaient des taux d'impasse allant jusqu'à 30 % et des taux de collision jusqu'à 10 %.

Résultats Qualitatifs :
L'analyse visuelle (Fig. 2–6) confirme que la méthode proposée parvient à inférer la coopération des agents environnants grâce au sondage actif. Dans les scénarios coopératifs, le planificateur s'engage dans la manœuvre une fois que le mode « céder le passage » devient dominant. Dans les scénarios non coopératifs, le mode « procéder » domine, augmentant le risque de collision estimé et poussant le planificateur à choisir des manœuvres d'évitement plus sûres. En revanche, les lignes de base échouent soit à résoudre l'ambiguïté d'intention (menant à l'impasse), soit restent trop optimistes (menant à des collisions).

Signification
Le papier affirme que sa signification réside dans la fourniture d'une solution de principe au problème du « robot gelé » sans la charge computationnelle du calcul d'équilibre de la théorie des jeux ou les limites comportementales des modèles paramétriques simplifiés. En exploitant la nature autorégressive des modèles génératifs modernes au sein d'un contrôleur basé sur l'échantillonnage, le cadre permet aux véhicules autonomes de sonder activement leur environnement pour réduire l'incertitude. Cela permet une conduite simultanément plus sûre, plus efficace et plus décisive que les approches conventionnelles de type prédire-puis-planifier ou les approches d'interaction passive, imitant efficacement les stratégies de réduction active de l'incertitude observées chez les conducteurs humains.