一種避免碰撞的算法—GA3C-CADRL分析

一般來(lái)說(shuō)，在行人間行進(jìn)的智能體在進(jìn)行導(dǎo)航時(shí)，需要能夠?qū)Ξ?dāng)前的環(huán)境做出相應(yīng)的觀察，以避免碰撞，進(jìn)行下一步動(dòng)作。在本文中，麻省理工學(xué)院航空航天控制實(shí)驗(yàn)室的Michael Everett和 Jonathan P. How教授，以及Oculus Research的Yu Fan Chen教授，提出一種新型避免碰撞的算法—GA3C-CADRL，通過(guò)深度強(qiáng)化學(xué)習(xí)進(jìn)行模擬訓(xùn)練，而不需要智能體對(duì)其他智能體的動(dòng)態(tài)行為有所了解，并通過(guò)在網(wǎng)絡(luò)的輸入端使用LSTM，使得算法能夠依據(jù)對(duì)相鄰智能體的觀察結(jié)果來(lái)做出決策，進(jìn)而選擇下一個(gè)動(dòng)作。

一般來(lái)說(shuō)，在行人之間進(jìn)行導(dǎo)航的機(jī)器人是使用避免碰撞算法（collision avoidance algorithms）來(lái)實(shí)現(xiàn)安全且高效的操作的。在最近的一些研究中，提出了將深度強(qiáng)化學(xué)習(xí)算法作為對(duì)復(fù)雜的交互和協(xié)作進(jìn)行建模的框架。然而，當(dāng)環(huán)境中智能體的數(shù)量增加時(shí)，該操作的實(shí)現(xiàn)是通過(guò)對(duì)其他智能體偏離現(xiàn)實(shí)的行為的關(guān)鍵性假設(shè)來(lái)實(shí)現(xiàn)的。這項(xiàng)研究對(duì)我們以往的研究方法進(jìn)行了擴(kuò)展，開(kāi)發(fā)出一種算法，該算法可以在各種類(lèi)型的動(dòng)態(tài)智能體中學(xué)習(xí)避免碰撞，而不必假設(shè)它們遵循任何特定的行為規(guī)則。此外，這項(xiàng)研究還引入了一種使用長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）的策略，該策略使得算法能夠使用任意數(shù)量的其他智能體的觀測(cè)值，而不是像以往那些需要具有固定觀測(cè)值大小的方法。當(dāng)智能體的數(shù)量增加時(shí)，我們所提出的算法在模擬中的性能表現(xiàn)要優(yōu)于我們以往的方法，并且該算法是在一個(gè)沒(méi)有使用3D激光雷達(dá)的、以人類(lèi)行走速度行駛的全自動(dòng)機(jī)器車(chē)輛上運(yùn)行得以證明的。

可以這樣說(shuō)，在行人之間進(jìn)行導(dǎo)航的機(jī)器人將能夠觀察到許多人類(lèi)行為，例如合作或遺忘。行人不僅能夠移動(dòng)障礙物，而且還可以不斷地做出機(jī)器人只能部分觀察的決策。這項(xiàng)研究解決了在存在其他決策智能體的世界中運(yùn)行的智能體所面對(duì)的避免碰撞問(wèn)題，特別是考慮到機(jī)器人—行人領(lǐng)域。分散式避免碰撞算法的一個(gè)基本問(wèn)題是：智能體所知道和假定的其他智能體的信念狀態(tài)、策略和意圖是什么？如果沒(méi)有智能體之間的溝通，這些屬性不是可以直接進(jìn)行衡量的，但它們可以通過(guò)推理得到。

圖1：機(jī)器人在行人之間進(jìn)行導(dǎo)航。機(jī)器人使用機(jī)載傳感器來(lái)感知環(huán)境并運(yùn)行避免碰撞算法以保持安全和有效的操作。

智能體對(duì)其他智能體行為的假設(shè)將會(huì)影響其決定采取何種行動(dòng)。在最簡(jiǎn)單的情況下，智能體假設(shè)其他智能體是靜態(tài)的，并且足夠快地進(jìn)行重新規(guī)劃以避免碰撞。另一種方法是，假定其他智能體是動(dòng)態(tài)障礙，但速度保持不變。此外，智能體可以假定其智能體是決策制定者，其中，它們的速度可能會(huì)隨時(shí)根據(jù)已知或未知的策略（決策規(guī)則）進(jìn)行改變。即使機(jī)器人知道行人的決策規(guī)則，但因?yàn)槠渌悄荏w的意圖是未知的（例如目標(biāo)目的地），所以也不可能完全預(yù)測(cè)其他非溝通的決策智能體（例如行人）將如何響應(yīng)智能體所作出的決策。因此，與其試圖明確預(yù)測(cè)其他智能體的行為，最近的研究方法已經(jīng)使用強(qiáng)化學(xué)習(xí)（RL）來(lái)對(duì)智能體之間復(fù)雜的相互作用和協(xié)作進(jìn)行建模。

圖2：LSTM展開(kāi)以顯示每個(gè)輸入。在每個(gè)決策步驟中，智能體將一個(gè)可觀察的狀態(tài)向量，即每個(gè)附近的智能體，依次送入LSTM單元。LSTM單元將相關(guān)信息存儲(chǔ)在隱藏狀態(tài)中，hi。 最終隱藏狀態(tài)hn，將其他智能體的整個(gè)狀態(tài)編碼成固定長(zhǎng)度的向量，然后饋送到網(wǎng)絡(luò)的前饋部分。智能體的順序是通過(guò)減少到自我智能體的距離來(lái)進(jìn)行排序的，以便最近的智能體對(duì)hn有近因效應(yīng)（recent effect）。

雖然基于學(xué)習(xí)的方法已被證明在這個(gè)領(lǐng)域內(nèi)具有良好的性能表現(xiàn)，但現(xiàn)有方法對(duì)其他智能體，如同質(zhì)性或短時(shí)間尺度上的特定運(yùn)動(dòng)模型做了細(xì)微的假設(shè)。在這項(xiàng)研究中，我們對(duì)以往的研究方法進(jìn)行了擴(kuò)展以學(xué)習(xí)避免碰撞策略，而不假設(shè)其他智能體遵循任何特定的行為模型。

圖3：網(wǎng)絡(luò)架構(gòu)。附近智能體的的可觀察狀態(tài)被按順序饋送到LSTM中。

避免碰撞的另一項(xiàng)關(guān)鍵挑戰(zhàn)是環(huán)境中其他智能體的數(shù)量有所不同，而在這一領(lǐng)域中使用的前饋神經(jīng)網(wǎng)絡(luò)需要固定維度的輸入?，F(xiàn)有的策略明確了網(wǎng)絡(luò)可觀察到的智能體的最大數(shù)量，或使用原始傳感器數(shù)據(jù)作為輸入。本次研究采用自然語(yǔ)言處理的思想，通過(guò)在網(wǎng)絡(luò)輸入端使用長(zhǎng)短期記憶網(wǎng)路（LSTM）單元，將現(xiàn)實(shí)世界中不同的大小狀態(tài)（例如：其他智能體的位置）編碼成固定長(zhǎng)度的向量。這使得該算法可以根據(jù)機(jī)器人周?chē)我鈹?shù)量的智能體，來(lái)做出相應(yīng)的決策。

本次研究的主要貢獻(xiàn)在于：

?我們對(duì)避免碰撞的算法做了擴(kuò)展，使其不必假定其他智能體的行為。

?我們提出了一種策略，使得算法能夠利用任意數(shù)量智能體的觀察結(jié)果。

?我們通過(guò)模擬結(jié)果證明了新框架的優(yōu)點(diǎn)。

?在不使用3D激光雷達(dá)的情況下，通過(guò)在行人間運(yùn)行的機(jī)器人進(jìn)行了算法演示。

目前，該軟件已經(jīng)作為開(kāi)源ROS軟件包c(diǎn)adrl_ros發(fā)布。

圖4：機(jī)器人硬件。這款緊湊、低成本（<1000美元）的感測(cè)套件使用單個(gè)2D激光雷達(dá)和3個(gè)Intel RealSense R200攝像頭。總傳感器和計(jì)算組件的高度小于3英寸，為貨物留出足夠的空間。

本次研究提出了一種避免碰撞的算法—GA3C-CADRL，該算法僅通過(guò)深度強(qiáng)化學(xué)習(xí)進(jìn)行模擬訓(xùn)練，而不需要對(duì)其他智能體的動(dòng)態(tài)有所了解。此外，我們還提出了一種策略，通過(guò)在網(wǎng)絡(luò)的輸入端使用LSTM，使得算法能夠依據(jù)對(duì)任意數(shù)量的相鄰智能體的觀察結(jié)果來(lái)做出決策進(jìn)而選擇下一個(gè)動(dòng)作。隨著環(huán)境中智能體數(shù)量的增加，新方法的性能將優(yōu)于現(xiàn)有方法。研究結(jié)果表明，該算法能夠在不被明確執(zhí)行（explicity enforced）的情況下學(xué)習(xí)問(wèn)題結(jié)構(gòu)，并支持使用LSTM將大量智能體在現(xiàn)實(shí)世界中的狀態(tài)編碼為固定長(zhǎng)度的表征。新算法在一個(gè)小型真實(shí)機(jī)器人上成功運(yùn)行，該機(jī)器人在不使用3D激光雷達(dá)的情況下，可以在保持人類(lèi)行走速度的同時(shí)，在行人之間進(jìn)行導(dǎo)航。今后的研究將利用本文全新的、更為通用的公式，借助智能體的行為選擇，更為明確地研究信號(hào)意圖所帶來(lái)的影響。