1. 緒論
為自動駕駛車輛設計控制軟體本質上是複雜的，要求系統在資源限制下處理無限的場景。本文提出一種使用演化神經網路（ENN）的新穎反應式碰撞避免方法。與依賴預定義場景或人工特徵的傳統方法不同，此方法使車輛能夠直接從感測器數據（單一前向測距儀）學習，以在動態環境中無碰撞導航。訓練與驗證在模擬中進行，展示了該方法對未見過場景的泛化能力。
核心問題：克服在不可預測的真實世界環境中，腳本化、非適應性碰撞避免系統的局限性。
2. 方法論
所提出的系統將用於感知/控制的神經網路與用於最佳化的基因演算法相結合。
2.1 系統架構
自車配備了一個模擬的前向測距儀感測器。該感測器在多個水平角度提供一組距離讀數 $d = [d_1, d_2, ..., d_n]$，形成對前方即時環境的簡化感知。此向量 $d$ 作為前饋神經網路的唯一輸入。
神經網路的輸出是車輛轉向角 $\theta_{steer}$ 的連續控制訊號。目標是學習一個映射函數 $f$，使得 $\theta_{steer} = f(d)$，從而實現無碰撞行駛。
2.2 演化神經網路（ENN）
ENN 指的是其權重和架構（在某種程度上）使用演化演算法而非傳統反向傳播進行最佳化的神經網路。在此情境下，每個車輛代理由一個獨特的神經網路控制。代理的「智慧」編碼在其網路的參數中。
2.3 用於訓練的基因演算法
使用基因演算法（GA）來演化數代車輛代理群體。
- 群體：一組車輛代理，每個代理具有獨特的神經網路。
- 適應度評估：每個代理在模擬中進行評估。適應度 $F$ 通常定義為無碰撞行駛距離的函數，例如 $F = \sum_{t} v_t \cdot \Delta t$，其中 $v_t$ 是時間 $t$ 的速度，$\Delta t$ 是時間步長。碰撞會導致嚴重的適應度懲罰或終止。
- 選擇：適應度分數較高的代理被選為「親代」。
- 交叉與突變：親代的神經網路參數（權重）被組合（交叉）並隨機改變（突變），以創建下一代的「子代」。
- 迭代：此過程重複進行，逐漸培育出更擅長避免碰撞的代理。
3. 實驗設置與結果
本文透過在模擬中進行的六個關鍵實驗驗證了該方法。
3.1 實驗一：靜態空曠軌道
目標：在簡單的靜態環境（例如，有牆壁的空軌道）中測試基本學習能力。
結果：車輛成功學會在軌道上無碰撞導航，展示了 ENN 從稀疏感測器數據中掌握基本避障的能力。
3.2 實驗二：感測器解析度分析
目標：分析測距儀的角解析度（光束數量 $n$）對學習性能的影響。
結果：性能隨著解析度提高（更多光束）而改善，但觀察到報酬遞減現象。這突顯了感知細節與計算/學習複雜度之間的權衡。確定了最低可行的解析度。
3.3 實驗三：多車輛學習
目標：在具有多個獨立車輛的動態環境中評估該方法。
子實驗 3.3.1：單一自車學習避開其他隨機移動的車輛。
子實驗 3.3.2：一組車輛同時從頭開始學習碰撞避免。
結果：該方法在兩種情況下均成功。多代理、同時學習的情境尤其重要，顯示了在沒有明確通訊協定的情況下，出現了去中心化、類似合作的避讓行為。
3.4 實驗四至六：泛化能力測試
目標：測試所學策略的穩健性和泛化能力。
實驗四（新模擬器）：在基礎模擬器中訓練的策略被轉移到 CarMaker，這是一個高擬真度的商用車輛動力學模擬器。車輛保持了碰撞避免能力，證明了模擬器獨立性。
實驗五（新感測器）：前測距儀被替換為攝影機。現在處理原始/像素數據的 ENN 框架成功學會了避免碰撞，展示了感測器模態獨立性。
實驗六（新任務）：車輛被賦予在碰撞避免之外學習車道維持的任務。ENN 成功學會了這項組合任務，顯示了任務泛化能力。
關鍵實驗發現
- 靜態軌道成功率：經過 N 代後 >95%。
- 最佳感測器光束數：在測試環境中發現介於 5-9 之間。
- 多代理成功率：多達 5 輛車的群體學會了同時避讓。
- 泛化成功率：策略在 3 項重大變更（模擬器、感測器、任務）中成功轉移。
4. 技術分析與核心洞見
核心洞見
本文不僅僅是路徑規劃領域的另一個漸進式改進；它是一個令人信服的論點，主張基於學習的反應性勝過幾何完美主義。作者正確地指出了傳統機器人技術堆疊中的致命缺陷：過度依賴脆弱、人工調整的感知流程和規劃器，這些在邊緣案例中會災難性地失敗。透過讓基因演算法直接從感測器到致動器對策略空間進行暴力搜尋，他們繞過了對明確狀態估計、物件追蹤和軌跡最佳化的需求。真正的天才之處在於其極簡主義——單一測距儀和一個轉向指令。這鮮明地提醒我們，在受限的高速反應場景中，從數據中學到的「足夠好」的策略，通常勝過一個來得太晚的完美計劃。
邏輯流程
研究邏輯令人欽佩地清晰且漸進式地雄心勃勃。它從機器人學的「Hello World」（不要撞到靜態牆壁）開始，系統性地對關鍵參數（感測器解析度）進行壓力測試，然後躍入多代理混亂的深水區。壓軸之作是泛化能力三部曲：交換模擬器、感測器和任務。這不僅僅是驗證；它展示了湧現的穩健性。策略並非記憶地圖或特定物體形狀；它正在學習一個基本的空間關係：「如果某物在 X 方向接近，則轉向 Y 方向。」這個核心原則可以跨領域轉移，就像卷積神經網路在 ImageNet 中學習的視覺特徵可以轉移到其他視覺任務一樣，正如深度學習基礎文獻中所討論的。
優勢與缺陷
優勢：
- 優雅的簡潔性：架構極其簡潔，將問題還原到其本質。
- 可證明的泛化能力：三管齊下的泛化能力測試是嚴謹評估的典範，遠遠超越了典型的單一環境結果。
- 去中心化多代理潛力：同時學習實驗讓人得以一窺可擴展、無需通訊的車隊協調。
- 模擬鴻溝：所有驗證都在模擬中進行。跳躍到物理世界——伴隨著感測器雜訊、延遲和複雜的車輛動力學——是巨大的挑戰。CarMaker 測試是很好的一步，但它並非真實世界。
- GA 的樣本效率低下：與現代深度強化學習（RL）方法（如 PPO 或 SAC）相比，演化演算法眾所周知地需要大量數據（模擬時間）。如果與最先進的 RL 代理進行比較基準測試，本文會更有說服力。
- 有限的動作空間：僅控制轉向而忽略油門和煞車，這對於真實的碰撞避免（例如，緊急煞停）至關重要。這可能過度簡化了問題。
可操作的洞見
對於業界從業者：
- 將其作為基準，而非解決方案：將此 ENN 方法實作為您自動駕駛堆疊中一個穩健的、低階的安全備援層。當主要規劃器失敗或不確定時，將控制權交給此反應式策略。
- 透過領域隨機化彌合模擬到真實的差距：不要只在一個完美的模擬器中訓練。利用 GA 的優勢在數千個隨機化的模擬（變化光照、紋理、感測器雜訊）中訓練，以培養策略的穩健性，這是 OpenAI 等研究團體倡導的技術。
- 混合方法：用更樣本高效的方法（如演化策略（ES））替換用於策略搜尋的普通 GA，或者使用 GA 來最佳化深度 RL 演算法的超參數。該領域已經超越了使用純 GA 進行控制。
- 擴展感測套件：將前測距儀與短距離、寬視野感測器（如低解析度全向攝影機）整合，以處理交叉交通和後方威脅，邁向 360 度安全包絡。
5. 分析框架與案例範例
評估學習型機器人策略的框架：
本文提供了一個嚴謹評估的範本。我們可以抽象出一個四階段框架：
- 核心能力測試：它能否在簡單環境中執行基本任務？（靜態軌道）。
- 參數敏感性分析：關鍵硬體/演算法選擇如何影響性能？（感測器解析度）。
- 環境壓力測試：它在日益增加的複雜性和不確定性下表現如何？（動態、多代理環境）。
- 泛化能力審核：所學技能是基礎性的還是記憶性的？跨模擬器、感測器和相關任務進行測試。
案例範例：倉儲物流機器人
情境：動態倉庫中的一隊自主移動機器人（AMR）。
框架應用：
- 核心測試：訓練單一機器人（使用 ENN）在空曠通道中導航而不撞到貨架。
- 敏感性分析：使用 2D LiDAR 與 3D 深度攝影機進行測試。找到成本/性能的最佳平衡點。
- 壓力測試：引入其他機器人和不可預測移動的人類工作者。同時訓練一個群體。
- 泛化能力審核：將訓練好的策略轉移到不同的倉庫佈局（新「地圖」），或賦予其在避開障礙物的同時遵循特定路徑（車道維持）的任務。
6. 未來應用與方向
所展示的原理在高速公路車輛之外具有廣泛的適用性：
- 最後一哩送貨無人機：在擁擠的城市空域中進行反應式避讓，以躲避動態障礙物（例如，鳥類、其他無人機）。
- 農業機器人：在非結構化田地中導航的自動拖拉機或收割機，避開工人、動物和不規則地形。
- 智慧輪椅與行動輔具：在擁擠的室內空間（醫院、機場）提供可靠的低階碰撞避免，以最少的輸入增強使用者安全。
- 工業協作機器人：透過賦予機器人一種內在的、學習得來的避免接觸反射，來實現更安全的人機協作，補充傳統的力感測器。
- 與預測模型整合：將反應式 ENN 與輕量級預測世界模型相結合。反應層處理即時威脅，而預測層允許更平滑、更具預見性的規劃。
- 可解釋性與驗證：開發方法來檢視演化後的神經網路。它發現了哪些簡單的「規則」？這對於汽車等受監管行業的安全認證至關重要。
- 多模態感測器融合：從頭開始演化能夠無縫融合來自異質感測器（LiDAR、攝影機、雷達）數據的策略，而不是在特徵層級進行融合。
- 終身學習：使策略能夠在線上適應新的、永久性的環境變化（例如，新建築、永久施工區），而無需完全重新訓練，或許可以透過持續演化機制實現。
7. 參考文獻
- Eraqi, H. M., Eldin, Y. E., & Moustafa, M. N. (年份). Reactive Collision Avoidance using Evolutionary Neural Networks. [期刊/會議名稱].
- Liu, S., 等人. (2013). A survey on collision avoidance for unmanned aerial vehicles. Journal of Intelligent & Robotic Systems.
- Fu, C., 等人. (2013). A review on collision avoidance systems for autonomous vehicles. IEEE Transactions on Intelligent Transportation Systems.
- Sipper, M. (2006). Evolutionary Computation: A Unified Approach. MIT Press.
- OpenAI. (2018). Learning Dexterous In-Hand Manipulation. 展示了將模擬和領域隨機化用於複雜機器人任務的高級應用。 [https://openai.com/research/learning-dexterous-in-hand-manipulation]
- Schulman, J., 等人. (2017). Proximal Policy Optimization Algorithms. arXiv:1707.06347. 一個用於與演化方法進行比較的關鍵現代強化學習演算法。
- IPG Automotive. CarMaker - Open Test Platform for Virtual Test Driving. [https://ipg-automotive.com/products-services/simulation-software/carmaker/]