自動運転/安全強化学習2026/9/9arXiv:2609.09650

安全でロバストな自動運転のためのリスク感受性と不確実性を考慮した意思決定・制御フレームワーク

A Risk-Sensitive and Uncertainty-Aware Decision-Making and Control Framework for Safe and Robust Autonomous Driving

リスク感受性分布強化学習とアンサンブル不確実性推定を組み合わせ、不確実性に応じて制約を適応調整するHOCBF安全補正機構を備えた自動運転意思決定・制御フレームワークを提案。無信号交差点でのシミュレーションで安全性・効率・ロバスト性のバランスを実証。

詳しい要約

1. どんなもの？

- 都市部の無信号交差点における自動運転の意思決定・制御のためのフレームワーク。 - Risk-sensitive and Uncertainty-aware Decision-making and Control (RUDC) と名付けられている。 - 強化学習 (RL) をベースに、安全性とロバスト性の両立を目指す。 - リスク感度の高い分布的RLと、アンサンブルに基づく政策不確実性定量化を組み合わせる。 - 不確実性に応じて制約の厳しさを適応的に調整する安全補正機構を備える。

2. 先行研究と比べてどこがすごい？

- 従来の安全フィルタリングは固定された保守的制約を用いるため、過剰介入と交通効率の低下を招く可能性があった。 - RUDCはリスク感度と不確実性を考慮することで、安全性・効率・ロバスト性のバランスを改善。 - 無信号交差点のシミュレーションで、代表的なsafe RLベースラインを上回る性能を示す。 - 名目シナリオだけでなく、挑戦的なOODやロングテールシナリオでも優位。 - リアルタイム要件も満たす。

3. 技術・手法の肝は？

- リスク感度の高い分布的RL (risk-sensitive distributional RL) を用いて、リターン分布のテールリスクを考慮。 - アンサンブルに基づく政策不確実性定量化 (ensemble-based policy uncertainty quantification) を統合。 - 不確実性を考慮した高次制御バリア関数 (HOCBF) ベースの安全補正機構を採用。 - 政策の不確実性に応じて制約の厳しさを適応的に調整。 - 学習可能な残差予測器 (learnable residual predictor) がCBFのモデルミスマッチと離散化誤差を補償。

4. どうやって有効だと検証した？

- 無信号交差点における広範なシミュレーションを実施。 - 安全性、効率性、ロバスト性のバランスを評価。 - 代表的なsafe RLベースラインと比較。 - 名目シナリオ、OODシナリオ、ロングテールシナリオで評価。 - リアルタイム要件を満たすことも確認。

5. 議論はある？

- 従来の固定保守的制約による安全フィルタリングの限界を指摘。 - リスク感度と不確実性を考慮した適応的制約調整の有効性を示唆。 - 残差予測器によるCBFモデルミスマッチと離散化誤差の補償が重要。 - シミュレーション結果は良好だが、実世界への展開や更なる検証については要旨からは不明。 - 他の安全RL手法との詳細な比較や限界については要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究: safe RLベースライン、HOCBF、分布的RL、アンサンブル不確実性定量化。 - 関連手法: 安全フィルタリング、制御バリア関数 (CBF)、リスク感度RL。 - 同分野の定番: 自動運転の意思決定のためのRL、安全RL、不確実性を考慮したRL。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Zhuoren Li, Ran Yu, Weiqi Zhang, Ming Liu, Lu Xiong, Chen Sun, Bo Leng

分類: cs.RO

原文アブストラクト

Reinforcement learning (RL) has demonstrated considerable potential for autonomous driving decision-making. However, its deployment in urban autonomous driving, particularly at highly interactive unsignalized intersections, remains challenging, as learned policies may struggle to maintain both safety and robust decision-making in complex traffic situations. Conventional safety-filtering approaches typically employ fixed conservative constraints, which may improve safety at the cost of excessive intervention and degraded traffic efficiency. To address these limitations, we propose a Risk-sensitive and Uncertainty-aware Decision-making and Control (RUDC) framework for safe and robust autonomous driving. RUDC couples risk-sensitive distributional RL with ensemble-based policy uncertainty quantification, jointly accounting for tail risks in return distributions and uncertainty in learned policies. An uncertainty-aware high-order control barrier function (HOCBF)-based safety correction mechanism adaptively adjusts constraint strictness according to policy uncertainty, while a learnable residual predictor compensates for CBF model mismatches and discretization errors. Extensive simulations at unsignalized intersections demonstrate that RUDC achieves a favorable balance among safety, efficiency, and robustness, outperforming representative safe RL baselines under both nominal and challenging OOD and long-tail scenarios while satisfying real-time requirements.

arXivで原文を読む →arXiv概要ページ

← 論文一覧