自動運転車が狭い路地での交渉走行を習得、協力的/非協力的ドライバーをモデル化

一方通行の狭い路地で2台の車が正面から向かい合う状況を想像してください。人間なら相手とアイコンタクトや手信号で「譲り合い」を交渉し、安全にすれ違えます。しかし自動運転車にとって、相手ドライバーの協調性を理解し、適切な振る舞いをするのは困難な課題です。

カーネギーメロン大学Argo AI自動運転車研究センターの研究者たちが開発した新アルゴリズムは、ドライバーの「協調性レベル」（相手を通すために路肩に寄る可能性）をモデル化することで、混雑した狭い路地での自律走行を可能にします。

マルチエージェント強化学習（MARL）で人間らしい振る舞いを獲得

Christoph Killing氏率いるチームは、「マルチエージェント強化学習（MARL）」を用いて、防御運転や他エージェントの行動解釈など、人間のような振る舞いをシミュレーション上で実現しました。実車両での実証はまだですが、報酬ベースのシステムにより有望な結果を得ています。

「安全性を重視して相互作用をインセンティブ化しています」とKilling氏（元CMUロボティクス研究所客員研究員、現ミュンヘン工科大学自律航空システム研究室所属）。

Killing氏： 自動運転車は安全第一で交通ルール遵守が大前提。しかしこのシナリオには「調整する交通ルール」が存在しません（四方向停止交差点とは異なります）。同等の通行権を持つ2台が、調整機関なしに各自の判断で「誰が先に行くか」を交渉しなければなりません。

両車が純粋に安全のみを重視すれば、両方とも路肩に寄って膠着します。課題は「一方が譲り、一方が進む」ようにすること。クラッシュはタイムアウトより悪いが、タイムアウトにも小さなペナルティを与え、エージェントが相互作用してすれ違うことを学習するよう促しています。

アルゴリズムは実車で利用可能な情報（前方の距離・相対速度）を知覚。鳥瞰視点ではなくエゴセントリック（自我中心）視点を採用し、盲点も考慮。さらに「協調性パラメータ」、現在のステアリング角、スロットル位置も入力として使用。

過度に攻撃的なペアリングと過度に受動的なペアリングの2つ。ポリシーは大抵の場合で交渉成立するが、人間の同乗者が不快に感じるマヌーバもある。

ロボティクスでは「世界の状態」と「観測」を区別。車両にはメモリモジュールがないため、過去数秒の観測を連結（concatenate）することで、相手の協調性について暗黙的な信念を形成。ディープニューラルネットワークがこのタスクを学習します。

ご意見・ご質問をお寄せください。

センサー