Brain-SAD：一种受大脑启发的安全自动驾驶控制框架，在双策略上具有动态恐惧导向约束

约束强化学习近来在安全自动驾驶领域受到越来越多的关注，其一般机制是在保持整体动作风险有界的同时最大化期望奖励。通过这种方式，AD 中出现的安全问题可以通过受约束的动作得到缓解。然而，现有的约束 RL 方法在所施加的约束上仍然缺乏动态性。例如，现有 Primal-Dual/软约束方法采用的动作成本通常被定义为静态的状态到成本映射，而硬约束方法中的安全动作投影依赖于静态投影，其固定可行域边界由离线示范估计得到。上述缺陷使所施加的约束与训练场景紧密耦合，由于不恰当的状态级动作成本和静态投影边界，导致 AD 策略难以处理不同的交互场景。因此，本文提出 Brain-SAD，一种受大脑启发的安全自动驾驶控制框架，具有动态恐惧导向约束。通过感知当前车辆交互场景，Brain-SAD 生成动态恐惧信号作为恐惧反应，以在线决定用于常规交互的长期策略或用于紧急碰撞防御的短期策略。在这两种策略中，上述恐惧反应将分别被构造为动态恐惧约束，分别反映与动作影响直接耦合的整体恐惧成本，以及由不同风险邻近车辆推导出的可行域动态恐惧边界，二者进而都将服务于在线策略优化。实验结果表明，Brain-SAD 优于现有方法，在更短的任务完成时间和碰撞恢复时间内实现了更高的成功率，并在复杂度波动的连续交叉路口中表现出更强的可靠性。