📢 转载信息
原文链接：http://bair.berkeley.edu/blog/2025/03/25/rl-av_smoothing/
原文作者：BAIR (Berkeley Artificial Intelligence Research)
我们部署了100辆由强化学习（RL）控制的汽车进入高峰时段的高速公路交通中，以平滑拥堵并降低所有人的燃料消耗。 我们的目标是解决那些通常没有明确原因，但会导致拥堵和大量能源浪费的“走走停停”（stop-and-go）波浪。为了训练高效的流量平滑控制器，我们构建了快速、数据驱动的模拟器，供RL智能体与之交互，学习在保持吞吐量和在人类驾驶员周围安全操作的同时，最大化能源效率。
总的来说，一小部分控制良好的自动驾驶汽车（AVs）就足以显著改善道路上所有驾驶员的交通流量和燃油效率。此外，训练好的控制器设计为可以在大多数现代车辆上部署，以去中心化的方式运行，并依赖标准的雷达传感器。在我们最新的论文中，我们探讨了将RL控制器部署到大规模，从模拟到现场，在这次100辆车实验中的挑战。
幽灵堵塞的挑战
一个“走走停停”波浪向后穿过高速公路交通流。
如果你开车，你肯定经历过“走走停停”波浪的沮丧，那些看似莫名其妙的交通减速，它们凭空出现，然后又突然消失。这些波浪通常是由我们驾驶行为中的微小波动引起的，这些波动在交通流中被放大。我们会根据前方的车辆自然地调整速度。如果间隙变大，我们会加速跟上。如果他们刹车，我们也会减速。但由于我们有非零的反应时间，我们可能会比前车刹得更用力一点。后方的下一位司机也做同样的事情，这会不断放大。随着时间的推移，最初的一个微小减速在交通后部变成了一个完全停止。这些波浪向后穿过交通流，导致频繁的加速造成能源效率显著下降，同时增加了二氧化碳排放和事故风险。
这并非孤立现象！当交通密度超过某个临界阈值时，这些波浪在繁忙的道路上无处不在。那么我们如何解决这个问题呢？像匝道计量和可变限速这样的传统方法试图管理交通流量，但它们通常需要昂贵的基础设施和集中协调。一个更具可扩展性的方法是使用自动驾驶汽车（AVs），它们可以实时动态调整驾驶行为。然而，简单地将AVs插入到人类驾驶员中间是不够的：它们还必须以更智能的方式驾驶，使所有人的交通状况变得更好，这就是RL发挥作用的地方。
交通流的基本图（Fundamental diagram of traffic flow）。路上的汽车数量（密度）会影响有多少交通在向前移动（流量）。在低密度下，增加更多汽车会增加流量，因为更多的车辆可以通过。但在超过一个临界阈值后，汽车开始相互阻挡，导致拥堵，此时增加更多汽车实际上会减慢整体移动速度。
用于波浪平滑AV的强化学习
RL是一种强大的控制方法，智能体通过与环境的交互来学习最大化奖励信号。智能体通过试错收集经验，从错误中学习，并随着时间推移而改进。在我们的案例中，环境是一个混合自动驾驶交通场景，其中AVs学习驾驶策略来抑制“走走停停”波浪，并减少它们自身和附近人工驾驶车辆的燃料消耗。
训练这些RL智能体需要具有逼真交通动态的快速模拟器，能够复制高速公路的“走走停停”行为。为了实现这一目标，我们利用了在田纳西州纳什维尔附近的I-24收集的实验数据，并用它来构建模拟器，其中车辆重放高速公路轨迹，产生AVs在后面学习去平滑的不稳定交通。
模拟器重放了一个展示了多次“走走停停”波浪的高速公路轨迹。
我们的AV设计时就考虑了部署，确保它们仅使用关于自身和前方车辆的基本传感器信息即可运行。观察结果包括AV的速度、前车的速度以及它们之间的间隙。给定这些输入，RL智能体然后为AV开出瞬时加速度或期望速度。仅使用这些局部测量值的关键优势在于，RL控制器可以去中心化地部署在大多数现代车辆上，而无需额外的基础设施。
奖励设计
最具挑战性的部分是设计一个奖励函数，当最大化它时，能够与我们期望AV实现的不同目标保持一致：
- 波浪平滑： 减少“走走停停”的振荡。
- 能源效率： 降低所有车辆（而不仅仅是AVs）的燃料消耗。
- 安全： 确保合理的跟车距离，避免急刹车。
- 驾驶舒适性： 避免激进的加速和减速。
- 遵守人类驾驶规范： 确保“正常”的驾驶行为，不让周围的司机感到不适。
平衡所有这些目标是困难的，因为必须找到每个项的合适系数。例如，如果最小化燃料消耗主导了奖励，RL AVs就会学着在高速公路中间停下来，因为那在能源上是最优的。为防止这种情况，我们引入了动态最小和最大间隙阈值，以确保安全合理的行为，同时优化燃油效率。我们还对AV后方人工驾驶车辆的燃料消耗进行了惩罚，以阻止其学习一种自私的行为，即以牺牲周围交通为代价来优化AV的节能。
模拟结果
动态最小和最大间隙阈值的说明，AV可以在此范围内自由操作，以尽可能高效地平滑交通。
AVs学习到的典型行为是保持比人类驾驶员稍大的间隙，使它们能够更有效地吸收可能到来的、突然的交通减速。在模拟中，这种方法在最拥堵的情况下，使得所有道路使用者节省了高达20%的燃料，而道路上只有不到5%的AVs。而且这些AVs不需要是特殊的车辆！它们可以只是配备了智能自适应巡航控制（ACC）的标准消费型汽车，这正是我们在规模上测试的。
RL AVs的平滑行为。 红色：数据集中的人类轨迹。蓝色：队列中连续的AVs，其中AV 1是最靠近人类轨迹的车辆。AV之间通常有20到25辆人工驾驶车辆。每个AV减速的幅度或加速的速度都比其前车小，随着时间的推移导致波幅减小，从而节省能源。
100辆AV现场测试：大规模部署RL
实验周期间，我们的100辆车停在我们运营中心。
鉴于模拟结果很有前景，自然而然的下一步就是弥合从模拟到高速公路的鸿沟。我们将训练好的RL控制器部署到I-24上的100辆车上，在几天内，在交通高峰时段进行测试。这次大规模实验，我们称之为MegaVanderTest，是有史以来最大规模的混合自动驾驶交通平滑实验。
在现场部署RL控制器之前，我们对其进行了广泛的模拟训练和评估，并在硬件上进行了验证。总的来说，部署步骤包括：
- 在数据驱动的模拟器中训练： 我们使用I-24的高速公路交通数据创建了一个具有逼真波浪动态的训练环境，然后验证了训练好的智能体在各种新交通场景下的性能和鲁棒性。
- 硬件部署： 在机器人软件中验证后，训练好的控制器被上传到汽车上，能够控制车辆的设定速度。我们通过车辆的车载巡航控制进行操作，它充当低级别的安全控制器。
- 模块化控制框架： 测试中的一个关键挑战是无法获取前车的传感器信息。为克服这一点，RL控制器被集成到一个分层系统中，即MegaController，它将一个考虑下游交通状况的速度规划器与RL控制器相结合，后者作为最终决策者。
- 硬件验证： RL智能体被设计为在一个大多数车辆是人工驾驶的环境中运行，需要鲁棒的策略来适应不可预测的行为。我们通过在仔细的人工监督下在道路上驾驶RL控制的车辆来进行验证，并根据反馈对控制进行更改。
100辆车中的每一辆都连接到一个Raspberry Pi，RL控制器（一个小型神经网络）部署在上面。
RL控制器直接控制车载自适应巡航控制（ACC）系统，设定其速度和期望的跟车距离。
验证后，RL控制器被部署到100辆车上，并在早高峰时段在I-24上行驶。周围的交通对实验不知情，确保了驾驶行为的公正性。实验期间，数据通过计算机视觉流水线从沿途数十个高架摄像头中提取的数百万条单独车辆轨迹中收集。根据这些轨迹计算的指标表明，AV周围的燃料消耗呈下降趋势，这与模拟结果和先前较小的验证部署预期一致。例如，我们可以观察到，人们离我们的AVs开得越近，他们平均消耗的燃料似乎就越少（这是使用校准的能量模型计算得出的）：
在下游交通中，平均燃料消耗与距离最近的、已激活的RL控制AV的距离函数关系。随着人工驾驶员与AV之间的距离变远，他们的平均燃料消耗会增加。
衡量影响的另一种方法是衡量速度和加速度的方差：方差越低，波动的幅度应该越小，这与我们在现场测试数据中观察到的情况一致。总的来说，尽管从大量摄像头视频数据中获得精确测量很复杂，但我们观察到在我们的控制车辆周围有15%到20%的能源节省。
实验单日中高速公路上所有车辆在速度-加速度空间中的数据点。红色线条左侧的簇代表拥堵，右侧的簇代表自由流。我们观察到，当AV存在时，拥堵簇变小，这是通过计算软凸包的面积或拟合高斯核来衡量的。
最后的想法
这次100辆车的现场操作测试是去中心化的，AV之间没有明确的合作或通信，反映了当前的自动驾驶部署现状，使我们离更平滑、更节能的高速公路又近了一步。然而，仍有巨大的改进潜力。将模拟器扩展得更快、更准确，并使用更好的人类驾驶模型，对于弥合模拟到现实的差距至关重要。为AV配备额外交通数据，无论是通过先进传感器还是集中规划，都可以进一步提高控制器的性能。例如，虽然多智能体RL在改进协作控制策略方面很有前景，但启用AV之间通过5G网络进行显式通信是否能进一步提高稳定性和进一步减轻“走走停停”波浪，仍然是一个悬而未决的问题。最关键的是，我们的控制器与现有的自适应巡航控制（ACC）系统无缝集成，使得大规模现场部署成为可能。配备智能交通平滑控制的车辆越多，我们道路上看到的波浪就越少，这意味着为每个人减少污染和节省燃料！
许多贡献者参与了MegaVanderTest的实现！完整的名单可以在CIRCLES项目页面上找到，以及有关该项目的更多详细信息。
阅读更多：[论文]
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区