Brain-SAD：双策略动态恐惧约束的安全自动驾驶框架

针对安全自动驾驶中约束强化学习强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身约束缺乏动态性的问题，研究者提出Brain-SAD框架。现有Primal-Dual或软约束方法将动作成本定义为静态状态到成本的映射，硬约束方法的安全动作投影则依赖离线演示估计的固定可行域边界，导致约束与训练场景紧密耦合，策略难以适应不同交互场景。Brain-SAD通过感知当前车-交互场景生成动态恐惧信号，在线决定采用长期策略应对常规交互或短期策略进行紧急碰撞防御。两种策略中，恐惧反应分别构建为动态恐惧约束，反映与动作影响直接耦合的整体恐惧成本，以及由不同风险邻居推导的动态可行域边界，并用于在线策略优化。实验结果表明，Brain-SAD在更短的任务完成和碰撞恢复时间内取得更高成功率，并在复杂度波动的连续交叉口中表现出更强可靠性。