预测人们的驾驶个性

 
自动驾驶汽车即将到来。但是，尽管它们具有所有花哨的传感器和复杂的数据处理能力，但即使是最先进的汽车，也缺少(几乎)每16岁拥有学习许可的人所拥有的东西：社会意识。
尽管自主技术取得了长足的进步，但他们最终仍将周围的驱动器视为由1和0组成的障碍，而不是具有特定意图，动机和个性的人。
但是最近，由麻省理工学院计算机科学和人工智能实验室(CSAIL)的研究人员领导的一个团队一直在研究是否可以对无人驾驶汽车进行编程，以对其他驾驶员的社交个性进行分类，以便他们可以更好地预测不同的汽车将做什么—因此，它们之间可以更安全地行驶。
在一篇新论文中，科学家整合了来自社会心理学的工具，以根据特定驾驶员的自私或无私程度对驾驶行为进行分类。
具体来说，他们使用了一种称为社会价值取向(SVO)的东西，它表示某人的自私(“利己主义”)相对于利他或合作(“亲社会”)的程度。然后，系统估算驾驶员的SVO，以创建自动驾驶汽车的实时驾驶轨迹。
测试小组在合并车道和进行无保护的左转弯的任务上的算法后，研究小组表明，他们可以更好地预测其他汽车的行为25%。例如，在向左转的模拟中，他们的车知道当即将到来的车的驾驶员更具自私性时等待，然后在另一辆车更加亲社会时转弯。
尽管该系统还不够强大，无法在实际道路上实施，但该系统可能会有一些有趣的用例，而不仅仅是针对自行驾驶的汽车。假设您是一个人在开车，突然有汽车驶入您的盲区-系统可能会在后视镜中向您发出警告，提醒您汽车有攻击性，请您进行相应调整。它还可以让无人驾驶汽车实际学习表现出更多类似于人类的行为，这将使人类驾驶员更容易理解。
研究生维尔克·施瓦汀(Wilko Schwarting)说：“与人类以及周围的人一起工作意味着要弄清他们的意图，以更好地理解他们的行为。”科学。 “人们的协作或竞争倾向往往会渗透到他们作为驾驶员的行为方式中。在本文中，我们试图了解这是否是我们可以真正量化的东西。”
Schwarting的合著者包括MIT教授Sertac Karaman和Daniela Rus，以及研究科学家Alyssa Pierson和前CSAIL博士后Javier Alonso-Mora。
当今自动驾驶汽车的一个中心问题是，它们被编程为假设所有人的行为方式相同。这意味着，除其他事项外，他们在四路车站和其他路口的决策非常保守。
尽管这种谨慎措施减少了致命事故的可能性，但同时也会造成瓶颈，这会使其他驾驶员感到沮丧，更不用说让他们难以理解了。 (这可能就是为什么大多数交通事故都涉及到急躁的驾驶员追尾的原因。)
Schwarting说：“在自动驾驶汽车(AV)中创造更多类似人的行为，对于乘客和周围车辆的安全至关重要，因为行为的可预测性使人们能够理解和适当地响应AV的行为。”
为了扩大汽车的社交意识，CSAIL团队将社交心理学的方法与博弈论相结合，博弈论是一种在竞争者之间构想社交情境的理论框架。
该团队对道路场景进行了建模，在该场景中，每个驾驶员都试图最大程度地发挥自己的效用，并根据所有其他代理商的决定分析其“最佳响应”。基于其他汽车的一小段运动，该团队的算法可以预测周围汽车的行为是合作，利他或利己的，将前两个行为归为“亲社会”。人们对这些品质的分数是一个人对自己的关心与对他人的关心的连续性。
在合并和左转方案中，两个结果选项是让某人(“亲社会”)融入(或“自我主义”)与他人融为一体。车队的结果表明，毫无疑问，合并汽车比非合并汽车更具竞争力。
该系统经过培训，试图更好地理解何时应该表现出不同的行为。例如，即使是最有礼貌的人类驾驶员也知道某些类型的动作(例如在繁忙的交通中改变车道)也需要稍有果断和果断的时刻。
对于下一阶段的研究，该团队计划将其模型应用于行车环境中的行人，自行车和其他人员。 此外，他们还将研究其他在人类之间起作用的机器人系统，例如家用机器人，并将SVO集成到他们的预测和决策算法中。 皮尔森说，直接从观察到的运动而不是在实验室条件下估计SVO分布的能力对于远远超出自动驾驶的领域非常重要。
“通过对驾驶人进行建模，并使用SVO在数学模型中将模型合并到机器人汽车的决策模块中，这项工作为人为驱动和机器人驱动的汽车之间更安全，更无缝的道路共享打开了大门。” 。