🤖 AI

HyPlan: Hybrid Learning-Assisted Planning Under Uncertainty for Safe Autonomous Driving

HyPlan 是一种新颖的混合学习辅助规划框架，它集成了多智能体行为预测、深度强化学习以及基于启发式置信度的剪枝技术，旨在为部分可观测交通环境下的自动驾驶车辆实现安全且高效的无碰撞导航。

原作者： Donald Pfaffmann, Matthias Klusch, Marcel Steinmetz

发布于 2026-02-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Donald Pfaffmann, Matthias Klusch, Marcel Steinmetz

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正驾驶着一辆汽车穿行在繁忙的城市中，由于视线受阻，你无法看清所有细节。也许一名行人正躲在停放的货车后方，又或者另一辆车正从盲区转角驶来。你需要快速到达目的地，但你的首要任务是绝不能撞到任何人。

这正是论文 HyPlan 试图为自动驾驶汽车解决的问题。以下是其工作原理的简单拆解，使用了日常生活的类比。

问题所在：“完美”与“快速”之争

目前的自动驾驶汽车通常需要在两个糟糕的选项之间做出选择：

“深思熟虑者”（POMDP 规划器）： 这些车就像国际象棋大师。它们会计算每一种可能的未来走法，考虑每一个“如果……会怎样”的情景。它们非常安全，但思考速度太慢，以至于当它们决定转向时，红灯已经变绿了。
“直觉型驾驶员”（深度学习）： 这些车就像赛车手，完全凭直觉反应。它们反应极快，但有时会做出冒险的猜测，因为它们没有“思考”清楚后果，从而导致事故。

HyPlan 的目标是打造一个既拥有“深思熟虑者”的安全性，又具备“直觉型驾驶员”的速度的驾驶系统。

解决方案：混合团队 (HyPlan)

HyPlan 就像是一个由三位专家组成的团队，共同协作做出一个决策：

水晶球（行为预测）：
在采取行动之前，HyPlan 会使用一种工具来预测其他人（行人、其他车辆）下一步会做什么。这就像是通过天气预报来猜测是否会下雨，只不过这里预测的是交通状况。它能预测行人可能会从哪辆车后方跨步而出。
地图阅读者（路径规划）：
一旦知道了大家“可能”在哪里，它就会在地图上画出一条安全的路线。这是决策中的“转向”部分——即规划出一条避开障碍物的路径。
智能教练（“混合型”大脑）：
这是最核心的部分。HyPlan 使用一个“智能教练”（通过名为 PPO 的方法训练出的深度学习 AI）来帮助“深思熟虑者”（在线规划器）更快地做出决策。
- 工作原理： 通常情况下，“深思熟虑者”会在脑海中检查每一条可能的路径，这非常耗时。而“智能教练”就像是一个信心计。它观察一条潜在路径，然后说：“我有 99% 的把握确定这条路径是安全且优秀的。”
- 神奇的技巧（垂直剪枝）： 当“智能教练”非常有信心时，它会告诉“深思熟虑者”：“停止检查这条路径，我们已经知道它是好的了。”这使得系统能够跳过数千次不必要的计算。这就像一名侦探，在发现嫌疑人有明确的不在场证明后，会立即停止对该线索的调查，而不是浪费时间深入挖掘。

结果：安全与速度的结合

作者在了一个充满复杂情况（例如行人横穿马路）的模拟城市（称为 CARLA）中测试了 HyPlan。

安全性： 在所有测试的方法中，HyPlan 是最安全的。它发生碰撞或险些撞到人的次数比纯粹的“直觉型”驾驶员更少，甚至比其他的“深思熟虑者”表现得更好。
速度： HyPlan 比其他的“深思熟虑者”快得多。通过使用“智能教练”来减少不必要的思考，它做决策的速度大幅提升，尽管仍然比纯粹的“直觉型”驾驶员稍慢一些（为了保证安全性，这是一个合理的权衡）。

总结

HyPlan 是一种全新的自动驾驶方式，它结合了两者的优点。它利用“智能教练”来告诉“深思熟虑者”何时可以停止担忧并直接出发。其结果是，这种汽车开起来比专家更安全，也比过度思考者更快，为实现真正的安全自动驾驶迈出了重要的一步。

技术摘要：HyPlan —— 用于安全自动驾驶的混合学习辅助不确定性规划

1. 问题定义

本文解决了自动驾驶汽车在部分可观测交通环境中执行无碰撞导航 (CFN) 的问题。目标是在避免与外部智能体（行人、骑行者、其他车辆）发生碰撞的同时，最小化到达目标的时间。

该问题被建模为一个部分可观测马尔可夫决策过程 (POMDP)。其关键特征包括：

状态空间 ( $S$ )： 由自动驾驶车辆（ego-car）的全状态和 $n$ 个外部智能体的部分状态组成。虽然自动驾驶车辆的状态是完全可观测的，但外部智能体仅是部分可观测的（如果被遮挡，则仅能观测到位置）。
动作 ( $A$ )： 控制输入由转向角和离散的加速度选择（加速、减速、保持速度）组成。
约束： 环境涉及关于智能体意图和遮挡的不确定性。
技术差距： 现有方法面临权衡。纯深度学习 (DL) 方法速度快但缺乏安全性保证。显式在线 POMDP 规划器（如 IS-DESPOT）提供安全性与可证明性，但执行时间过长，导致其在实时控制方面无法与深度学习基准方法相比。

2. 方法论：HyPlan

HyPlan 是一种混合学习辅助的在线 POMDP 规划器，旨在弥合显式规划的安全性与深度学习的速度之间的差距。它集成了四个核心组件：

A. 系统架构

HyPlan 在一个循环中运行，对于每个场景观测：

多智能体行为预测： 使用 MABP AutoBots 模型来预测外部智能体的轨迹。
路径规划： 一个加权的 Hybrid A* 规划器利用富含预测智能体路径信息的代价地图（costmap）为自动驾驶车辆生成一条安全路径。这决定了转向角。
速度规划（核心创新）： 一个增强型的在线 POMDP 规划器 IS-DESPOT* 决定最优加速度。

B. IS-DESPOT* 规划器

IS-DESPOT* 是标准 IS-DESPOT 规划器的扩展。其新颖之处在于如何使用深度强化学习 (DRL) 组件来引导搜索树：

NavPPO (学习器)： 一个基于近端策略优化 (PPO) 的神经网络充当评论家 (critic)。它通过估计信念状态的价值（启发式上界）来引导规划器。
NavPPO 的输入：
- “意图图像” ( $I$ )：结合了自动驾驶车辆的代价地图、预测的智能体路径以及车辆规划的路径。
- 非视觉状态特征（前一奖励、上一次动作、当前速度）。
- LSTM 隐藏状态以维持时间上下文。
训练： NavPPO 通过模仿学习（imitation learning）来模仿 IS-DESPOT* 规划器的策略，同时学习估计状态价值。它使用平衡策略模仿与价值估计准确性的 PPO 损失函数。

C. 基于置信度的垂直剪枝

为了减少执行时间，HyPlan 在部署期间引入了垂直剪枝机制：

不确定性估计： NavPPO 通过多次随机前向传递（使用蒙特卡洛 Dropout）来生成信念状态价值估计的均值 ( $\mu$ ) 和方差 ( $\sigma^2$ )。
校准： 系统使用 CRUDE 来校准这些估计值，确保置信水平可靠并减少误报。
剪枝逻辑： 规划器计算一个置信度加权的启发式下界： $L(b) = (1-\phi)L_{tr}(b) + \phi U(b)$ $L (b) = (1 - ϕ) L_{t r} (b) + ϕ U (b)$ ，其中 $\phi$ $ϕ$ 是源自方差的置信度。
- 如果规划器到达一个具有高价值估计且高置信度的信念状态，则提前终止规划尝试（垂直剪枝）。
- 这避免了过度探索结果可预测的熟悉信念空间区域，从而在不牺牲安全性前提下显著提高了决策速度。

3. 核心贡献

HyPlan 框架： 一种结合了多智能体预测、显式路径规划和 DRL 引导的 POMDP 规划的新型混合架构。
IS-DESPOT 算法：* 一种近似在线 POMDP 规划器，利用基于 PPO 的学习器 (NavPPO) 提供启发式价值估计和置信度指标。
垂直剪枝策略： 一种根据学习器对其价值估计的置信度动态剪枝搜索树的机制，大幅减少了规划时间。
校准机制： 集成 CRUDE 来校准 DRL 学习器的置信度估计，确保剪枝决策是安全的，而非基于过于乐观的预测。

4. 实验结果

作者在 CARLA-CTS2 基准测试上评估了 HyPlan，该数据集包含 23,000 个涉及行人过街的关键交通场景。

性能指标

安全性： HyPlan 在所有测试方法（包括纯 DL、纯显式规划和其他混合方法）中实现了最高的安全性指数。其碰撞率（12.36%）和近距离接触率（8.04%）均为最低。
执行时间： HyPlan 比其他显式和混合 POMDP 规划器（如 IS-DESPOTp、LEADER、HyLEAP）显著更快（减少了高达 40%）。然而，它仍比纯深度学习基准方法（NavPPO、NavA2C）慢 3 到 4 倍。
规划效率： 与替代规划器相比，HyPlan 需要更少的规划尝试、更浅的搜索深度以及更少的需要评估的信念节点。
权衡：
- 纯 DL 方法 (NavPPO) 速度最快，但安全性记录最差。
- 纯显式规划器速度最慢。
- HyPlan 提供了最佳的权衡，在优先考虑安全性的同时，显著提升了显式规划的速度。

消融研究

无垂直剪枝： 系统最安全，但执行时间最长。
无置信度校准： 系统速度最快，但由于过于乐观的剪枝导致安全性最差。
完整版 HyPlan： 所有组件的结合提供了安全性与执行时间之间的最优平衡。

5. 重要性与声明

论文声称 HyPlan 成功解决了自动驾驶中深度学习与显式规划之间的性能差距。

安全第一： 它证明了在关键行人场景中，混合方法可以比纯深度学习和纯显式规划基准方法更安全地导航。
高效性： 它证明了学习辅助的剪枝可以使在线 POMDP 规划适用于实时应用，在不牺牲显式规划固有的安全性前提下，显著降低了执行时间。
范围有限： 作者承认虽然 HyPlan 比其他显式规划器更快，但尚未完全抹平与纯深度学习方法的速度差距。他们还指出，目前的评估仅限于 CARLA-CTS2 基准测试，未来计划扩展到 nuPlan 等更广泛的场景。

这项工作被视为实现可证明正确且不会受到传统在线 POMDP 高昂计算成本限制的动作规划的一步。