📢 转载信息
原文链接：http://bair.berkeley.edu/blog/2025/03/25/rl-av-smoothing/
原文作者：BAIR
我们已将100辆由强化学习（RL）控制的汽车部署到高峰时段的高速公路交通中，旨在为所有人平抑拥堵和减少燃料消耗。 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”波浪。为了训练出高效的流量平滑控制器，我们构建了快速、数据驱动的仿真环境，让RL智能体与之交互，学习如何在保持吞吐量和安全运行的同时，最大化能源效率。
总的来说，少量比例的受良好控制的自动驾驶汽车（AVs）就足以显著改善所有道路驾驶员的交通流量和燃油效率。此外，所训练的控制器被设计成可在大多数现代车辆上部署，以分散式方式运行，并依赖标准的雷达传感器。在我们的最新论文中，我们探讨了将RL控制器从仿真部署到实际现场的挑战，即本次涉及100辆车的实验。
幻影拥堵的挑战
一个“走走停停”波浪在高速公路交通中向后移动。
如果你开车，你肯定经历过“走走停停”波浪的沮丧：那些看似毫无来由的交通减速，然后又突然恢复正常。这些波浪通常是由我们驾驶行为中的微小波动引起，这些波动在交通流中被放大。我们会根据前车调整速度。如果间隙变大，我们会加速以跟上；如果前车刹车，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车稍猛一点。后面的驾驶员也做同样的事情，这种现象不断放大。随着时间的推移，最初微不足道的减速演变成后方交通的完全停止。这些波浪在交通流中向后移动，导致频繁的加速带来能源效率的大幅下降，同时增加CO2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？传统的做法如匝道计量和可变限速试图管理交通流，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，仅仅将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都得到改善，这就是RL发挥作用的地方。
交通流的基本图。 路上的汽车数量（密度）会影响向前移动的交通量（流量）。在低密度下，增加更多的汽车会增加流量，因为更多的车辆可以通行。但在超过某个临界阈值后，汽车开始互相阻碍，导致拥堵，此时增加更多的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最大化奖励信号。智能体通过反复试验收集经验，从错误中学习，并随时间推而改进。在我们的案例中，环境是一个混合自动驾驶的交通场景，AVs在此学习驾驶策略，以抑制“走走停停”波浪，并减少自身和附近人类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仿真，能够复制高速公路的“走走停停”行为。为此，我们利用了在田纳西州纳什维尔附近的I-24公路上收集的实验数据，并用它来构建仿真环境，其中车辆重放高速公路轨迹，从而产生AVs在后面学习平滑的、不稳定的交通。
仿真重放了一个表现出数个“走走停停”波浪的高速公路轨迹。
我们的AVs在设计时就考虑到了部署因素，确保它们仅使用关于自身和前车的基本传感器信息即可运行。观测数据包括AV的速度、前车的速度以及它们之间的空间间隙。根据这些输入，RL智能体为AV规定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，当最大化该函数时，它能与我们期望AVs实现的各种目标保持一致：
- 波浪平滑： 减少“走走停停”的振荡。
- 能源效率： 降低所有车辆（不只是AVs）的燃料消耗。
- 安全： 确保合理的跟车距离并避免急刹车。
- 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，不让周围的驾驶员感到不适。
平衡这些目标是困难的，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在奖励中占主导地位，RL AVs就会学会停在高速公路中间，因为那是能源最优的。为防止这种情况，我们引入了动态的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后方人类驾驶车辆的燃料消耗进行了惩罚，以阻止它学习一种自私的行为，即以牺牲周围交通为代价来优化AV自身的节能。
仿真结果
动态最小和最大间隙阈值的说明，AV可以在此范围内自由运行，以尽可能高效地平滑交通。
AV们学习到的典型行为是保持比人类驾驶员稍大的间隙，使它们能更有效地吸收即将到来的、可能的突然的交通减速。在仿真中，这种方法在最拥堵的情况下，使所有道路使用者节省了高达20%的燃料，而道路上仅有不到5%的AVs。而且这些AVs不必是特殊的车辆！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，这也是我们进行大规模测试的内容。
RL AVs的平滑行为。 红色：数据集中的一条人类轨迹。蓝色：队列中连续的AVs，其中AV 1是紧跟在人类轨迹后方的车辆。AV之间通常有20到25辆人类驾驶的汽车。每辆AV减速的幅度或加速的幅度都不如其领导者剧烈，从而随着时间的推移减小了波浪的幅度，实现了节能。
100辆AV现场测试：将RL部署到规模化
实验周内，我们的100辆车停在运营中心。
鉴于仿真结果令人鼓舞，自然而然的下一步就是弥合从仿真到高速公路的差距。我们将训练好的RL控制器部署到I-24上的100辆汽车上，在接下来的几天里，在交通高峰时段进行测试。这项被称为MegaVanderTest的大规模实验，是迄今为止进行过的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仿真训练和评估，并在硬件上进行了验证。总的来说，部署步骤包括：
- 在数据驱动的仿真中训练： 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系统进行操作，该系统充当低级安全控制器。
- 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。为克服此问题，RL控制器被集成到一个分层系统中，即MegaController，该系统结合了考虑下游交通状况的速度规划指南，并让RL控制器作为最终决策者。
- 硬件验证： RL智能体被设计用于在大多数车辆由人类驾驶的环境中运行，这要求策略具有鲁棒性，能够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控制的车辆来验证这一点，并根据反馈对控制进行修改。
100辆车中的每一辆都连接到一个树莓派（Raspberry Pi），RL控制器（一个小型神经网络）就部署在上面。
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。
验证完成后，RL控制器被部署到100辆汽车上，并在早高峰期间在I-24上行驶。周围的交通对实验一无所知，确保了驾驶员行为的公正性。在实验期间，我们从沿着高速公路设置的数十个高架摄像头收集数据，通过计算机视觉流程提取了数百万条单独的车辆轨迹。根据这些轨迹计算出的指标表明，AVs周围的燃料消耗呈下降趋势，这与仿真结果和先前较小的验证部署一致。例如，我们可以观察到，人们离我们的AVs驾驶得越近，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的）：
下游交通中，平均燃料消耗与距离最近的已激活RL控制AV的距离的关系图。随着人类驾驶员在AV后方距离的增加，他们的平均燃料消耗也随之增加。
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，波浪的幅度应该越小，这正是我们在现场测试数据中观察到的情况。总的来说，尽管从大量的摄像头视频数据中获取精确测量很复杂，但我们观察到控制车辆周围的能源节省在15%到20%之间。
实验某一天，高速公路上所有车辆在速度-加速度空间中的数据点图。红色线条左侧的簇代表拥堵，右侧的簇代表自由流动。我们观察到，当AVs存在时，拥堵簇的面积更小，通过计算软凸包的面积或拟合高斯核来衡量。
最后的思考
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，这反映了当前自动驾驶部署的现实情况，使我们向更平稳、更节能的高速公路迈进了一步。然而，仍有巨大的改进潜力。使仿真更快、更准确，并使用更好的人类驾驶模型，对于弥合仿真到现实的差距至关重要。为AV配备额外的交通数据，无论是通过高级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前景广阔，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缓解“走走停停”波浪，仍然是一个悬而未决的问题。至关重要的是，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，这意味着更少的污染和为每个人节省的燃料！
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，其中包含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