Otonom sürüş teknolojilerinin geliştirilmesinde karşılaşılan en kritik zorluklardan biri hesaplamalı karmaşıklık sorunudur. Araçların trafikte gerçek zamanlı kararlar verebilmesi için çok hızlı bir şekilde matematiksel çözümler üretmesi gerekir.
Araştırmacılar bu problemi çözmek için oyun teorisi tabanlı model öngörülü kontrol (GT-MPC) sistemlerinde yeni bir yaklaşım geliştirdi. Geleneksel yöntemlerde, sistem her örnekleme anında Nash dengesi gibi oyun çözümlerini hesaplamak zorundaydı ve bu özellikle çok sayıda aktörün bulunduğu trafik ortamlarında büyük bir zorluk oluşturuyordu.
Yeni yaklaşım, Newton ve Newton-Kantorovich yöntemlerini temel alan zaman dağıtımlı çözüm arama iterasyonları kullanıyor. Bu sistem, otonom araç karar verme problemini önce bir GT-MPC problemi olarak formüle ediyor, ardından çözümün elde edilebilirliğini garantilemek için potansiyel oyun çerçevesini benimsiyor.
Bu çerçeve içinde, Nash dengesini bulmak için hem potansiyel fonksiyon optimizasyonu hem de en iyi yanıt dinamikleri kullanılıyor. Gerçek zamanlı uygulama imkanı sağlamak amacıyla Newton ve Newton-Kantorovich yöntemleri optimizasyon probleminin çözümünde devreye giriyor.
Bu gelişme, otonom araçların daha karmaşık trafik senaryolarında bile güvenli ve verimli kararlar verebilmesinin önünü açıyor.