LUCIDGames一种计划自动驾驶车辆的自适应轨迹的技术

尽管许多自动驾驶车辆在模拟或初步试验中均取得了卓越的性能，但在真实街道上进行测试时，它们通常无法根据周围环境中其他车辆或代理人的轨迹或运动来适应其轨迹或运动。在需要一定程度协商的情况下，例如在十字路口或多车道街道上，情况尤其如此。

斯坦福大学的研究人员最近创建了LUCIDGames，这是一种可以预测和规划自动驾驶汽车自适应轨迹的计算技术。在arXiv上预先发表的一篇论文中提出的这项技术将基于博弈论的算法和估计方法进行了整合。

“随着过去几年自动驾驶技术的进步，我们注意到，一些驾驶操作，例如在无人保护的十字路口左转，改变车道或合并在拥挤的高速公路上，对于自动驾驶仍然充满挑战。驾驶汽车，而人类却可以很容易地执行它们。“我们认为，这些互动涉及自动驾驶汽车与其周围汽车之间的重要谈判。”

人们通常能够找出周围驾驶车辆的其他驾驶员的目标，并协商决策，例如谁在给定的十字路口先行驶。在他们的研究中，Le Cleac'h和他的同事试图在自动驾驶汽车中复制这种能力及其基础的复杂行为。他们的总体目标是使自动驾驶汽车能够确定周围其他车辆的目标，以便在涉及某种程度协商的情况下规划更合适的轨迹。

Le Cleac'h说：“我们的工作结合了两个主要工具，一个依靠博弈论的算法和一种估算技术。” “基于博弈论的组件允许自动驾驶汽车在其目标可能未完全与其自身目标保持一致时推理与其他代理(车辆，行人，骑自行车的人等)的相互作用。另一方面，估算部分手，让无人驾驶车辆在与其他特工互动时迅速发现其他特工的潜在目标，例如，可能是期望速度，车道或与该无人驾驶汽车互动的每辆车的攻击性水平。”