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

技术摘要：基于自我条件生成式预测的主动交互感知模型预测路径积分

问题陈述
在密集交通中的自动驾驶本质上是一个交互问题，其中自动驾驶车辆（ego vehicle）与周围智能体之间不断相互影响。传统的“先预测后规划”（predict-then-plan）方法将这两个过程解耦，即独立于自动驾驶车辆的未来动作来预测智能体的轨迹。这种范式会导致“机器人冻结”（frozen robot）问题，即系统在交互场景（如汇入车道、无保护左转）中会变得过度谨慎或陷入僵局，因为它未能考虑到自身的行动如何引发他人的反应。虽然博弈论方法试图对这些交互进行建模，但它们通常依赖于不切实际的理性假设，并在密集交通中面临计算不可行的问题。相反，现有的自我条件规划器往往采用僵化的“领导者-跟随者”（leader-follower）结构，由于隐含地假设其他智能体会让路，这可能导致过于激进的行为。核心挑战在于开发一种能够主动推理交互不确定性、探测其他智能体隐藏意图，并在不依赖简化参数模型的情况下平衡任务效率与安全性的规划框架。

方法论
作者提出了一种混合规划框架，将生成式自回归预测模型（GARPM）——具体为 SMART Transformer 架构的一个变体——集成到**模型预测路径积分（MPPI）**控制方案中。

1. 自我条件预测： 与标准预测器不同，GARPM 生成的周围智能体的未来轨迹是随机且多模态的，并以特定的候选自我轨迹为条件。智能体未来的联合分布通过自回归方式进行分解，其中每个智能体的下一状态是基于所有智能体的历史记录以及正在评估的特定自我轨迹进行预测的。
2. 嵌套采样方案： 为了解决规划与预测之间的循环依赖问题（预测需要规划，而规划需要预测），作者采用了可行的嵌套采样方法：
   • 外层循环（MPPI）： 规划器通过对标称控制序列进行扰动来采样 $M$ 条候选自我轨迹。
   • 内层循环（行为展开）： 对于每条采样的自我轨迹，GARPM 为周围智能体生成 $B$ 个随机行为展开（rollouts）。
   • 代理分布： 为了使代价评估具有可行性，将离散的 $B$ 个展开转化为连续的**高斯混合模型（MoG）**代理。高斯分布的均值对应于采样的智能体状态，而混合权重则源自采样轨迹的自回归似然度。
3. 风险感知代价评估： 每条自我轨迹的阶段代价通过针对 MoG 代理评估跟踪和速度目标来计算。至关重要的是，碰撞风险是通过对 MoG 分布在碰撞区域上的积分来估计的。这使得规划器能够评估在诱发的智能体行为分布下的碰撞概率。
4. 主动不确定性降低： 该框架隐式地激励了“主动”行为。主动探测环境（例如，向前挪动以诱发反应）的轨迹倾向于消除智能体意图的歧义，使 MoG 权重集中在更少、更一致的假设上。这降低了代价函数中估计的碰撞风险，从而自然地引导 MPPI 优化器向能够解决不确定性的动作演进。

主要贡献
本文提出了三个主要贡献：

1. 混合框架： 将学习到的自回归生成式模型集成到 MPPI 中的新颖方法，实现了预测与规划之间的闭环。这利用了生成式模型捕捉现实世界数据中多模态不确定性的表达能力，同时保留了基于模型的控制中对安全性相关的结构化处理。
2. 可行的交互感知公式化： 使用嵌套采样方案实现了一种交互及不确定性感知的规划公式。该方法评估了以采样自我轨迹为条件的、多模态的预测，从而在不具备标准自我条件规划器那种“领导者-跟随者”偏差的情况下，提供了风险感知的碰撞概率估计。
3. 隐式主动探测： 证明了将生成式模型与 MPPI 权重机制相结合可以实现主动不确定性降低。该系统实现了更果断和高效的驾驶，而无需显式的信念空间表示或专门的探索项。

结果
所提方法在 nuPlan 模拟器中针对三种交互式城市场景进行了评估：相邻车道汇入、匝道汇入和无保护左转。系统与四种基准方法进行了对比：

• 基准 1：多模态“先预测后规划”。
• 基准 2：递推时界自我条件化（仅以之前的最优计划为条件）。
• 基准 3：单模态自我条件化规划。
• 基准 4：被动自我条件化 MPPI（固定概率）。

定量发现：

• 汇入场景： 所提方法实现了 75% 的汇入成功率，且汇入时间最短（11.8s），优于所有基准方法。基准 1（先预测后规划）由于过度保守，成功率仅为 37.5%。
• 匝道汇入： 所提方法实现了 0% 的碰撞率，而自我条件化基准方法（2, 3, 4）由于高估了协作性，碰撞率在 15% 到 25% 之间。基准 1 仍然过于保守。
• 无保护左转： 所提方法实现了最低的僵局率（5%）和碰撞率（0%），优于基准方法，后者的僵局率高达 30%，碰撞率高达 10%。

定性发现：
视觉分析（图 2–6）证实，所提方法通过主动探测成功推断了周围智能体的协作性。在协作场景中，一旦“让行”模式占据主导，规划器就会执行该动作。在非协作场景中，“前进”模式占据主导，增加了估计的碰撞风险，从而促使规划器选择更安全、避让性的动作。相比之下，基准方法要么无法解决意图歧义（导致僵局），要么过于乐观（导致碰撞）。

意义
本文声称其意义在于为解决“机器人冻结”问题提供了一个原则性的解决方案，且无需承担博弈论均衡计算的计算负担，也无需依赖简化参数模型的行为限制。通过在基于采样的控制器中使用自回归生成式模型，该框架允许自动驾驶车辆主动探测环境以降低不确定性。这使得驾驶行为比传统的“先预测后规划”或被动交互感知方法更安全、更高效且更果断，有效地模仿了人类驾驶员观察到的主动不确定性降低策略。