碰撞时间与弱势交通参与者

它到底是什么意思

碰撞相关 reward 通常包括 TTC、最小距离、危险变道、VRU 交汇时间。适用于车辆、对向会车、横穿、cut-in 等场景。

VRU 处理的要点常被忽略：只比较两条轨迹 polyline 有没有交点是不够的，还要看自车和 VRU 是否会在接近同一时间到达那个交点——空间相交但时间错开，并不构成风险。

绕行场景的优先级必须写死：安全 > 法规 > 体感。已经触发安全惩罚的时刻不要再叠加绕行奖励。

机制图解

容易搞混的地方

看懂之后可以追问

1. VRU 判定是只看轨迹相交，还是也看到达时间的同步程度？只看空间相交会产生大量误刹，直接伤害体感；只看时间又会漏掉真实风险。这一问能快速判断实现的成熟度。
2. 安全惩罚和绕行奖励同时触发时，系统的行为是什么？两个 reward 给相反信号是量产里的经典坑。明确的优先级处理比事后调权重可靠。

沿着主线继续

先知道

• 奖励函数——把安全、效率、舒适、法规、人类偏好折算成一个可优化的数值信号，并用 KL 约束拴住策略别跑偏。

接着看

• 场景隔离——同一个 reward 在不同场景下含义可能相反，所以 reward 不能全局常开，必须按场景生效。