💻 computer science

Towards Intelligible Human-Robot Interaction: An Active Inference Approach to Occluded Pedestrian Scenarios

本文提出了一种基于主动推理的自动驾驶框架，通过结合 Rao-Blackwellized 粒子滤波、条件信念重置与假设注入机制来模拟人类对遮挡行人意图的认知推理，并利用增强型 CEM-MPPI 控制器实现规划，从而在显著降低碰撞率的同时展现出可解释且类人的驾驶行为。

原作者： Kai Chen, Yuyao Huang, Guang Chen

发布于 2026-03-02

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Kai Chen, Yuyao Huang, Guang Chen

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

这篇论文讲的是如何让自动驾驶汽车在**“视线被遮挡”的复杂情况下，像老司机一样“聪明地预判风险”**，而不是像新手一样“撞了才刹车”。

我们可以把这项技术想象成给汽车装了一个**“拥有超强大脑的防御性司机”**。

1. 核心难题：看不见的“幽灵”

想象一下，你开车经过一个路口，路边停着一辆大公交车，完全挡住了你的视线。你不知道公交车后面有没有人突然跑出来。

普通的车（反应式）：只有当行人真的冲到你面前时，它才猛踩刹车。结果往往是来不及，直接撞上了。
现在的 AI 车（纯数据驱动）：虽然它们看过很多视频，但如果遇到没见过的“奇葩”情况（比如行人突然加速、突然回头），它们可能会懵圈，或者因为缺乏解释性而做出奇怪的决定。

2. 解决方案：主动推理（Active Inference）

作者提出了一种新方法，叫**“主动推理”。这不仅仅是“看”和“反应”，而是“相信”和“假设”**。

这就好比一个经验丰富的老司机，他的脑子里在不停地做两件事：

心里有数（信念更新）：即使看不见，他也坚信“后面可能有人”。
脑洞大开（假设注入）：他会想：“万一后面的人突然冲出来怎么办？万一他跑得很慢怎么办？万一他突然回头怎么办？”

3. 两大“超能力”机制

为了让汽车拥有这种“老司机思维”，作者设计了两个巧妙的机制：

🛡️ 机制一：条件重置（Conditional Reset）——“别轻易放弃警惕”

问题：普通的 AI 如果几秒钟没看到行人，就会觉得“哦，后面没人了”，然后加速通过。这很危险。
比喻：就像你听到隔壁房间有动静，虽然你转头没看见人，但你不会立刻觉得“没事了”，而是会保持警惕，继续盯着那个门。
做法：这项技术规定，只要视线被遮挡，AI 就强制保留“后面有人”的怀疑。它不会因为“没看见”就轻易把心里的警报解除。这就像给大脑装了一个**“防遗忘开关”**，确保在危险解除前，车子始终保持谨慎。

🧠 机制二：假设注入（Hypothesis Injection）——“最坏打算法”

问题：AI 通常只预测“最可能发生”的情况。但行人往往不按常理出牌。
比喻：就像下棋时，高手不会只算“对手最可能怎么走”，而是会想：“万一对手突然来个‘自杀式’冲锋怎么办？”
做法：AI 在规划路线时，会故意在脑子里强行插入一些“极端剧本”。比如，它会在模拟中假设：“如果那个行人突然加速冲出来，或者突然急刹车，我的车该怎么办？”
结果：为了应对这些“最坏剧本”，AI 会主动减速，并提前变道，留出更大的安全空间。它不是等危险来了再躲，而是为了预防危险，提前做好了准备。

4. 实验结果：像人一样思考

作者在一个模拟的“鬼探头”（行人从遮挡物后突然出现）场景中测试了这套系统：

对比对象：
- 反应式 AI：撞了才停。
- 规则式 AI：不管三七二十一，到了遮挡区就慢速开，效率低且不够灵活。
- 强化学习 AI：像训练狗一样，试错很多次，但遇到没见过的情况容易翻车。
我们的“主动推理”AI：
- 更安全：碰撞率极低（只有 5.3%，其他方法高达 20%-80%）。
- 更聪明：如果行人出现得晚（危险大），它就急刹车避让；如果行人出现得早（风险小），它就平稳通过。
- 可解释：它的每一个动作（减速、变道）都能追溯到它心里的“信念”（“我觉得后面有人，所以我减速”），而不是黑盒操作。

5. 总结

这篇论文的核心思想是：自动驾驶不仅要“眼尖”，更要“心细”和“多想一步”。

通过模仿人类**“保持警惕”和“未雨绸缪”的思维方式，这套系统让汽车在面对看不见的危险时，不再盲目自信，而是像一个防御性驾驶的老司机**一样，主动减速、预留空间，从而在复杂的城市交通中更安全、更让人放心地行驶。

一句话概括：给自动驾驶装上一个**“宁可信其有，不可信其无”**的超级大脑，让它学会在看不见的地方，也能提前把危险挡在车外。

1. 研究背景与问题定义 (Problem)

核心挑战：在自动驾驶中，遮挡行人（Occluded Pedestrian） 的突然出现是一个关键的安全难题。由于视线受阻，车辆面临极高的不确定性（长尾场景）。
现有方法的局限：
- 基于规则的方法：难以处理复杂的长尾场景，缺乏灵活性。
- 纯数据驱动方法（如强化学习 RL）：虽然表现良好，但面临安全关键场景数据稀缺、缺乏可解释性（黑盒模型）以及难以泛化到未见过的极端情况的问题。
目标：开发一种具有人类认知特性、可解释且主动防御的决策框架，使智能体能够在不确定性下安全、高效地与潜在行人互动。

2. 方法论 (Methodology)

本文提出了一种基于主动推理（Active Inference, AI） 的交互框架。主动推理源于计算神经科学，其核心思想是智能体通过最小化“自由能”（Free Energy）来最小化感官观测与内部生成模型预测之间的差异。

2.1 核心框架：主动推理循环

系统被建模为部分可观测马尔可夫决策过程（POMDP）。智能体通过“感知 - 行动”循环工作：

感知（Belief Updating）：最小化变分自由能（VFE），更新对隐藏状态（如行人是否存在、位置、意图）的信念。
规划（Planning as Inference）：最小化预期自由能（EFE），平衡实用价值（达成目标）和认知价值（获取信息/消除不确定性），从而选择最优动作。

2.2 关键创新机制

为了应对遮挡场景的特殊挑战，作者在标准主动推理框架中引入了两个受认知启发的机制：

条件重置机制 (Conditional Reset)：
- 问题：在视线被遮挡时，传统的粒子滤波可能会因为缺乏观测而错误地降低“行人存在”的信念（信念衰减），导致车辆加速进入危险区域。
- 解决方案：当检测到视线被遮挡且预测的遮挡区域未解除时，强制将粒子的状态重置为其初始假设状态（即保持对潜在危险的警惕）。
- 作用：模拟人类驾驶员的“持续警惕”，防止在遮挡期间过早放弃对潜在行人的关注。
假设注入技术 (Hypothesis Injection)：
- 问题：规划器通常只基于最可能的未来进行预测，容易低估极端情况的风险。
- 解决方案：在规划阶段（而非信念更新阶段），人为地向一小部分粒子注入“反事实”的行人行为假设（如突然加速、急停、倒车等 worst-case 场景）。
- 作用：模拟人类的“如果……怎么办”（What-if）推理，迫使规划器为最坏情况提前制定防御性策略，实现主动安全。

2.3 具体实现细节

状态估计：使用Rao-Blackwellized 粒子滤波 (RBPF) 结合卡尔曼滤波，高效估计行人的混合状态（存在性 + 连续运动状态）。
规划算法：采用 交叉熵方法 (CEM) 增强的 模型预测路径积分 (MPPI) 控制器。CEM 用于高效搜索低代价区域，MPPI 提供鲁棒的加权平均策略。
生成模型：包含车辆运动学、静态障碍物、以及具有随机行为参数（如激进程度、激活距离）的行人模型。

3. 主要贡献 (Key Contributions)

新型主动推理框架：首次将主动推理形式化为遮挡行人场景的交互问题，将其建模为包含丰富潜在行人状态的 POMDP。
双重认知机制：
- 提出条件重置，确保在不确定性下信念的持久性（防止误判安全）。
- 提出假设注入，通过反事实推理实现主动防御性规划。
可解释性与安全性验证：证明了该方法不仅能生成比传统方法更安全的行为，还能通过内部信念状态解释其决策逻辑（即“因为我认为那里可能有行人，所以我减速”）。

4. 实验结果 (Results)

实验在基于 Gymnasium 构建的高难度仿真环境中进行，包含 5 种具有挑战性的行人行为模式（犹豫、欺骗性加速、折返、急停、突然出现）。

消融实验分析：
- 条件重置：移除该机制导致智能体在遮挡期间信念衰减至零，加速并发生碰撞；保留该机制则保持警惕并安全通过。
- 假设注入：增加注入比例（ $\rho_H$ ）显著降低碰撞率。例如，在“欺骗性加速”场景中，碰撞率从 19.2% 降至 1.7%。
- 初始信念：较高的初始存在信念（ $B_0(z_p)$ ）直接转化为更早、更显著的减速行为，大幅降低碰撞风险。
对比基线方法：
- 对比对象：反应式 MPPI（仅对可见威胁反应）、基于规则的方法（固定减速）、PPO-LSTM（无模型强化学习）。
- 性能指标：
  - 碰撞率 (CR)：本文方法仅为 5.3%，远低于规则基线 (41.3%) 和 PPO-LSTM (27.5%)。
  - 通过率 (PR)：达到 94.7%。
  - 安全性指标：最小距离 (MD) 和最小 TTC 均优于基线，表明保持了更大的安全裕度。
- 行为表现：基线方法表现出僵化或过度自信（如 PPO 无论行人何时出现都走相同轨迹），而本文方法能根据感知到的风险动态调整策略（如行人出现晚则急转避让，出现早则平滑通过）。
计算效率：
- 在 NVIDIA RTX 3090 上，使用 JAX 并行计算，单次规划步骤平均耗时约 17.69ms（配置为 100 粒子，100 策略），满足 10Hz 实时控制需求。即使在更复杂配置下（500 粒子，400 策略），延迟也仅为 88.95ms。

5. 意义与展望 (Significance)

可解释的人机交互：该方法打破了黑盒模型的局限，车辆的减速、避让等行为直接反映了其内部对潜在风险的信念，使得人机交互更加透明和可预测。
安全关键场景的鲁棒性：通过机制设计（而非单纯的数据拟合）来处理长尾、低概率的高风险事件，为自动驾驶在极端场景下的安全提供了新的理论路径。
部署潜力：文章讨论了将该框架集成到模块化自动驾驶系统中的路径，特别是利用视觉 - 语言模型（VLM）作为上游感知模块来生成“初始存在信念”，实现了从语义理解到概率规划的无缝衔接。
未来方向：计划引入博弈论概念以增强交互性，进行真实车辆部署（Sim-to-Real），并开展用户研究以评估社会接受度。

总结：这篇论文通过引入主动推理及其特有的认知机制，成功解决了一个极具挑战性的自动驾驶安全问题。它不仅显著提升了在遮挡行人场景下的安全性，更重要的是提供了一种可解释、类人且主动的决策范式，为未来可信赖的自主系统发展奠定了重要基础。