arXiv cs.MA· Sajad Marvi, Julian Schmidt, Alessandro Canevaro, Julian Jordan, Abhinav Valada·· 3 天前AI 评分26
不确定性驱动的自博弈如何提升多智能体驾驶策略的鲁棒性
Uncertainty-Driven Self-Play for Robust Multi-Agent Driving Policies
AI 导读
研究提出一种不确定性驱动的自博弈方案：一半智能体因提升邻居的认知不确定性而获得奖励，另一半则学习安全驾驶，探索智能体借此自动挖掘困难场景，无需人工设计课程。所得策略零样本迁移至 nuplan Val14 达 99.12%（标准自博弈为 97.97%），Argoverse 2 达 82.39%（对比 78.03%），并在 Waymo 上优于标准自博弈。
正文 · AI 翻译
摘要：学习能够泛化到训练域之外的鲁棒驾驶策略，仍然是运动规划中的一个核心挑战。我们提出了一种不确定性驱动的自我博弈方案，其中一半智能体因增加其邻居的认知不确定性而获得奖励，而另一半则学习安全驾驶，同时探索型智能体不断寻找它们的弱点。认知不确定性表明策略最不自信的地方，并可作为场景难度的自动代理指标。探索型智能体利用这一信号来寻找困难案例，无需人工设计场景即可生成具有挑战性的课程。由此得到的策略优于标准自我博弈，在无需微调的情况下实现了对 nuplan Val14（99.12% 对 97.97%）和 Argoverse 2（82.39% 对 78.03%）的同类最佳零样本迁移，同时在 Waymo 上也优于标准自我博弈。我们这种多样性驱动的方法实现了比基线高 85% 的 LSTM 隐藏状态覆盖率，表明行为集合更加丰富。进一步分析表明，认知不确定性可作为一个校准良好的难度检测器，不确定性最高的智能体在碰撞、驶离道路和 DNF 方面的综合失败率是不确定性最低智能体的 14.8 倍，从而能够在没有真实标签的情况下自动优先处理具有挑战性的场景。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.19714 [cs.RO] |
| （或 arXiv:2610.19714v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19714 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Mohammad Sajad Marvi [查看电子邮件]
[v1]
2026年10月14日星期三 07:40:27 UTC（3,005 KB）
来源：arXiv cs.MA · arxiv.org