揭开人类融合的面纱：新模型如何帮助自动驾驶汽车像我们一样驾驶

Josiah02

代尔夫特理工大学的科学家开发了一种新模型，可以更好地描述人类在高速公路上行驶时的行为。博士后研究员 Olger Siebinga 表示，目前的模型通常假设驾驶员不断尝试优化自己的行为，以尽可能快速安全地到达目的地，但情况并非总是如此。新模型可以更深入地了解高速公路上的人机互动，并可用于改进自动驾驶汽车。
该研究结果发表在《PNAS Nexus》杂志上。
对于许多司机来说，汇入高速公路是一种常规行为，很少考虑其中涉及的诸多因素。但只有当你尝试在计算机模型中模拟这种行为时，你才会意识到汇入实际上有多么复杂。
“目前的模型基于博弈论，该理论认为人们总是试图以最佳方式行事，以便成为‘赢家’。但实际上，在大多数情况下，人们的行为有所不同，”Siebinga 解释道，他于 5 月以优异成绩获得了该主题的博士学位。他发现，司机不一定想成为第一名，而是优先考虑一个共同的目标：避免碰撞。
简化合并场景
Siebinga 与 David Abbink 教授和 Arkady Zgonnikov 助理教授共同提出了一种基于风险感知和沟通的新型交互模型。这是第一个从多个层面解释人类交互的模型：从控制输入（例如人们如何加速）到驾驶员在与其他车辆保持的距离方面的安全裕度，再到谁先走的最终决定。这使得该模型对于自动驾驶汽车等应用更有用。
这个模型的框架来自于一个早期的实验，在实验中，Siebinga 让两个受试者同时参与一个简化的合并场景。他们只能加速或刹车，而且被一堵墙隔开，所以他们只能根据他们在电脑屏幕上看到的内容做出行为。
“我们发现人们会根据沟通和风险认知来调整计划。他们通过将另一辆车的速度解读为沟通来构建情况图景，并据此估计风险。如果这种感知风险过高，司机就会改变他们的行为，例如加速或刹车，以实现安全的结果。”
了解人类行为
建模让我们更好地理解人类行为。
西宾加说：“如果我们学会更好地理解我们决策背后的原因，我们就可以设计更好的系统，让自动驾驶汽车以我们认为社会可接受的方式运行。”
事实上，这是自动驾驶面临的最大挑战之一：我们如何确保普通司机理解并信任自动驾驶汽车？Siebinga 的新模型有助于为安全和可接受的自动驾驶汽车奠定基础。他目前正在努力扩展该模型以包括转向。