盡管許多自動駕駛車輛在模擬或初步試驗中均取得了卓越的性能，但在真實街道上進行測試時，它們通常無法根據(jù)周圍環(huán)境中其他車輛或代理人的軌跡或運動來適應(yīng)其軌跡或運動。在需要一定程度協(xié)商的情況下，例如在十字路口或多車道街道上，情況尤其如此。

斯坦福大學(xué)的研究人員最近創(chuàng)建了LUCIDGames，這是一種可以預(yù)測和規(guī)劃自動駕駛汽車自適應(yīng)軌跡的計算技術(shù)。在arXiv上預(yù)先發(fā)表的一篇論文中提出的這項技術(shù)將基于博弈論的算法和估計方法進行了整合。

“隨著過去幾年自動駕駛技術(shù)的進步，我們注意到，一些駕駛操作，例如在無人保護的十字路口左轉(zhuǎn)，改變車道或合并在擁擠的高速公路上，對于自動駕駛?cè)匀怀錆M挑戰(zhàn)。駕駛汽車，而人類卻可以很容易地執(zhí)行它們。“我們認為，這些互動涉及自動駕駛汽車與其周圍汽車之間的重要談判。”

人們通常能夠找出周圍駕駛車輛的其他駕駛員的目標，并協(xié)商決策，例如誰在給定的十字路口先行駛。在他們的研究中，Le Cleac'h和他的同事試圖在自動駕駛汽車中復(fù)制這種能力及其基礎(chǔ)的復(fù)雜行為。他們的總體目標是使自動駕駛汽車能夠確定周圍其他車輛的目標，以便在涉及某種程度協(xié)商的情況下規(guī)劃更合適的軌跡。

Le Cleac'h說：“我們的工作結(jié)合了兩個主要工具，一個依靠博弈論的算法和一種估算技術(shù)。” “基于博弈論的組件允許自動駕駛汽車在其目標可能未完全與其自身目標保持一致時推理與其他代理(車輛，行人，騎自行車的人等)的相互作用。另一方面，估算部分手，讓無人駕駛車輛在與其他特工互動時迅速發(fā)現(xiàn)其他特工的潛在目標，例如，可能是期望速度，車道或與該無人駕駛汽車互動的每輛車的攻擊性水平。”