安全自動運転/制約付き強化学習2026/9/29arXiv:2609.38016

Brain-SAD: 恐怖反応に基づく動的制約を備えた脳模倣型安全自動運転制御フレームワーク

Brain-SAD: A Brain-Inspired Safe Autonomous Driving Control Framework with Dynamic Fear-Oriented Constraint on Dual-Policy

シェア:X Threads Facebook LINE はてブ Bluesky

車両インタラクション場面から動的な「恐怖信号」を生成し、通常走行用の長期ポリシーと衝突回避用の短期ポリシーを切り替えつつ、恐怖に基づく動的制約で安全性を高める自動運転制御フレームワークを提案した。

詳しい要約

1. どんなもの？

- 安全な自動運転のための制御フレームワーク「Brain-SAD」を提案。 - 脳に着想を得た動的な恐怖指向の制約を導入。 - 二重ポリシー（長期ポリシーと短期ポリシー）を動的に選択。 - 動的な恐怖信号を生成し、オンラインでポリシーを決定。 - 恐怖反応を動的な恐怖制約として構築し、ポリシー最適化に利用。

2. 先行研究と比べてどこがすごい？

- 既存のConstrained RLは制約が静的で、訓練シナリオに密結合。 - Primal-Dual/soft-constrained手法は静的状態-コスト写像を使用。 - hard-constrained手法はオフラインデモから固定境界を推定。 - Brain-SADは動的な恐怖制約により、異なる相互作用シナリオに対応可能。 - 動的な行動コストと動的な実行可能領域境界を実現。

3. 技術・手法の肝は？

- 現在の車両相互作用シーンを認識し、動的な恐怖信号を生成。 - 恐怖反応に基づき、通常相互作用用の長期ポリシーか緊急衝突防御用の短期ポリシーを選択。 - 二つのポリシーで恐怖反応を動的な恐怖制約として構築。 - 一つは行動影響に直接結合した全体的な恐怖コスト。 - もう一つは異なる危険な隣接車両から導出される動的な恐怖境界。 - これらがオンラインポリシー最適化に寄与。

4. どうやって有効だと検証した？

- 実験結果により、Brain-SADが既存手法を上回ることを示す。 - より高い成功率、短いタスク完了時間と衝突回復時間を達成。 - 変動する複雑さの連続交差点において強い信頼性を発揮。

5. 議論はある？

- 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：Constrained Reinforcement Learning、Primal-Dual/soft-constrained methods、hard-constrained methods。 - 関連手法：Safe Autonomous Driving、Constrained 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: Huan Rong, Chao Yin, Anouar Imel, Yijie Xia, Tinghuai Ma

分類: cs.AI, cs.CV, cs.NE, cs.RO

原文アブストラクト

Constrained Reinforcement Learning has recently gained increasing attention in the field of Safe Autonomous Driving, where the general mechanism is to maximize the expected reward while keeping the overall action risk bounded. In this way, the safety issues arising in AD can be mitigated through constrained actions. However, existing Constrained RL methods still lack dynamics on the imposed constraints. For instance, the action cost adopted by the existing Primal-Dual/soft-constrained methods is often defined as static state-to-cost mapping, and the safe-action projection in hard-constrained methods relies on the static projection with the fixed feasible region boundary estimated from offline demonstrations. The above drawback tightly couples the imposed constraints to the training scenarios, leaving the AD policy hard to handle different interaction scenarios, due to the improper state-level action-cost and the static projection boundary. Consequently, in this paper, we propose Brain-SAD, a brain-inspired safe autonomous driving control framework with dynamic fear-oriented constraints. By perceiving the current vehicle-interaction scene, Brain-SAD generates dynamic fear signal as fear reaction to online decide long-term policy for regular interaction or short-term policy for urgent-collision defense. In such two policy, the above fear-reaction will be constructed as the dynamic fear constraints, respectively reflecting the overall fear cost directly coupled with action-impact, and the dynamic fear boundary of the feasible region derived from different risky neighbors, both of which will in turn serve for the online policy optimization. Experimental results show that Brain-SAD outperforms existing methods, achieving higher success rate in shorter task-completion and collision-recovery time, and exhibits stronger reliability across continuous intersections of fluctuating complexity.

arXivで原文を読む →arXiv概要ページ

← 論文一覧