日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

首頁 > 汽車技術 > 正文

社會價值取向對自動駕駛的最新研究成果

2020-01-22 00:32:34·  來源：智車科技  作者：趙佳  
　
自動駕駛汽車能夠提高交通效率和安全性的一個重要前提是，系統(tǒng)能判斷人類駕駛員的意圖，并且不斷地適應人類駕駛員的駕駛風格。麻省理工學院計算機科學和人工智能
自動駕駛汽車能夠提高交通效率和安全性的一個重要前提是，系統(tǒng)能判斷人類駕駛員的意圖，并且不斷地適應人類駕駛員的駕駛風格。麻省理工學院計算機科學和人工智能實驗室（CSAIL）近期的最新研究成果顯示，研究人員將社會心理學集成到自動駕駛汽車的決策中，以量化和預測其他司機的社會行為。后臺回復“SVO”獲取全部研究材料。
 
研究簡介
 
麻省理工學院計算機科學和人工智能實驗室（CSAIL）的研究人員在研究是否可以對無人駕駛汽車進行編程，以對其他駕駛員的社會性格進行分類，以便更好地預測不同的汽車會做什么。具體來說，他們使用了一種稱為“社會價值取向（Social Value Orientation，SVO）”的東西，它代表某人的自私（“egoistic”）與無私或合作（“prosocial”）的程度。然后，系統(tǒng)估算駕駛員的SVO，以創(chuàng)建自動駕駛汽車的實時駕駛軌跡
 
研究人員將各個智能體之間的交互建模為一個最佳響應博弈，其中每個智能體協(xié)商以最大化自己的效用。研究人員通過尋找納什均衡來解決動態(tài)博弈，得到了一個在線預測多智能體相互作用的方法。這種方法允許自動駕駛車輛觀察人類駕駛員，估計他們的SVOs，并實時生成自動控制策略。研究人員在具有挑戰(zhàn)性的交通場景如合并車道和無保護的左轉彎中的能力和性能演示了他們的算法。研究人員在仿真和NGSIM數(shù)據(jù)集中的人工駕駛數(shù)據(jù)上驗證了研究結果。研究結果顯示了該算法的行為如何適應其他司機的社會偏好。通過集成SVO，本研究提高了自動駕駛的性能，減少了25%的人類軌跡預測誤差。
 
很遺憾的是，該系統(tǒng)還不夠強大，無法在實際道路上實施。但該系統(tǒng)可以讓無人駕駛汽車實際學習表現(xiàn)出更多類似于人類的行為，這將使人類駕駛員更容易理解。研究人員維爾克·施瓦?。╓ilko Schwarting）說：“與人類以及周圍的人共同參與交通，意味著要弄清他們的意圖，以更好地理解其行為。”研究成果論文《Social Behavior for Autonomous Vehicle》已于近日在《美國國家科學院院刊》刊出。
文章概述
圖1 了解司機的SVO有助于預測他們的行為
 
上圖A中，AV(藍色)觀察另一個人的軌跡(黑色)。基于效用最大化決策模型，可以預測候選SVOs的黑色車輛的未來運動軌跡。如果人類司機是自私的，他們不會屈服，AV必須等待轉彎。如果人類司機是合作的，他們就會讓步，AV就可以安全地轉向。在這兩種情況下，驅動都是效用最大化，但是效用函數(shù)隨SVO而變化。一個自私型的司機在計算其效用時只考慮自己的回報。一個合作型的司機把它的獎勵和另一輛車的獎勵放在一起衡量。AV通過最可能的SVO估計來預測未來的運動可能性。
 
上圖B中，SVO被表示為一個角度偏好，它關系到個體在社會困境場景中的權重獎勵。在這里，研究人員繪制了在NGSIM數(shù)據(jù)集中融合的驅動程序的SVOs估計值，并在方法和結果中進行了說明。
上圖C中式交互作用期間平均SVO估計數(shù)的分布情況。圖中結果表示合并驅動程序(紅色)比非合并驅動程序(藍色)更具競爭力。
 
 
圖2 車道合并場景
上圖中，car 1(紫色)正在嘗試合并，并且必須與car 2(綠色)產(chǎn)生交互。實線表示算法預測的軌跡。對于每一幀的SVO估計，藍色代表分布，紅色代表我們的估計。折線圖中，實線表示SVO隨時間的估計，陰影區(qū)域表示置信界限。最初，car 2不與car 1合作，不允許它合并?？梢钥闯觯瑤酌腌姾?，car2變得更傾向于合作型，相應的，它并允許car 1合并。
圖3 無保護的AV左轉彎場景
上圖表示，當AV接近十字路口時，紅藍兩輛自私型的車互不讓步。第三輛合作型（無私型）的車減速，允許AV完成轉彎。
展望
當今自動駕駛汽車的一個中心問題是，它們被編程為假設所有人的行為方式相同。盡管這種謹慎措施減少了致命事故的可能性，但同時也帶來了一定的困擾，這也是為什么大多數(shù)交通事故都涉及到急躁的駕駛員追尾的主要原因之一。下一階段，該團隊計劃將其模型應用于行車環(huán)境中的行人，自行車和其他人員。此外，他們還將研究其他在人類之間起作用的機器人系統(tǒng)，例如家用機器人，并將SVO集成到他們的預測和決策算法中。研究人員樂觀地表示，“通過對駕駛人進行建模，并使用SVO在數(shù)學模型中將模型合并到機器人汽車的決策模塊中，這項工作將會使人為決策和系統(tǒng)決策的自動駕駛汽車之間更安全，為道路共享打開了大門。”
Ref：
https://www.csail.mit.edu/news/predicting-peoples-driving-personalities
 
 
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25