Масачузетският технологичен институт учи самоуправляващите се автомобили как да психоанализират хората на пътя

През март 2004 г. Агенцията за напреднали изследователски проекти на отбраната на САЩ (DARPA) организира специално събитие Grand Challenge, за да тества обещанието - или липсата му - на сегашното поколение самоуправляващи се автомобили. Участници от най-добрите в света A.I. лабораториите се състезаваха за награда от 1 милион долара; техните специално изработени превозни средства се опитват да направят всичко възможно да навигират автономно по маршрут от 142 мили през пустинята Мохаве в Калифорния. Не мина добре. Отборът „победител“ успя да измине само 7,4 мили за няколко часа, преди да спре с треперене. И се запалва.

Десетилетие и половина, а много се е променило. Самоуправляващите се автомобили успешно са изминали стотици хиляди мили по реални пътища. Не е спорно да се каже, че хората почти сигурно ще бъдат по-безопасни в кола, управлявана от робот, отколкото в такава, управлявана от човек. Въпреки това, въпреки че в крайна сметка ще има повратна точка, когато всяка кола на пътя е автономна, има и ще бъде объркана междинна фаза, когато самоуправляващите се автомобили ще трябва да споделят пътя с управляваните от хора автомобили. Знаете ли кои вероятно ще бъдат проблемните страни в този сценарий? Точно така: месестите, непредсказуеми, понякога предпазливи, понякога склонни към ярост на пътя хора.

За да се опитат да разрешат този проблем, изследователи от Лабораторията за компютърни науки и изкуствен интелект (CSAIL) на MIT създаде нов алгоритъм, предназначен да позволи на самоуправляващите се автомобили да класифицират „социалните личности“ на другите шофьори на път. По същия начин, по който хората (често ненаучно) се опитват да установят реакциите на други шофьори, когато ние се движим на кръстовище, така че автономните превозни средства ще се опитат да разберат с кого си имат работа, за да избегнат инциденти на път.

„Разработихме система, която интегрира инструменти от социалната психология при вземането на решения и контрола на автономните превозни средства,“ Вилко Швартинг, научен сътрудник в MIT CSAIL, каза пред Digital Trends. „Той е в състояние да оцени поведението на шофьорите по отношение на това колко егоистичен или безкористен изглежда даден шофьор. Способността на системата да оценява т. нар. „Ориентация на социалните ценности“ на водачите й позволява по-добре да предвиди какво ще направят човешките водачи и следователно може да шофира по-безопасно.“

Социална ценностна ориентация

Като цяло нашите управляващи рамки функционират доста добре; даване на предимство на един шофьор пред друг, разделяне на ленти за посока и т.н. Но все още има много по-субективни моменти, когато няколко страни трябва да измислят как да координират усилията си, за да завършат маневра, понякога при високи скорости. Знаейки дали си имате работа с нетърпелив шофьор, който ще ви разреже, или с търпелив, който да изчакаш или да си направиш път може да означава разликата между успешното пътуване и тежкото огъване на калниците. Фактът, че всяка година само в Съединените щати има стотици хиляди злополуки със смяна на платно, сливане и десен или ляв завой, показва, че хората не са усвоили напълно това фино изкуство.

Социалната ценностна ориентация е част от областта на взаимозависимото вземане на решения, разглеждайки стратегическите взаимодействия между двама или повече хора. Тя се корени в теорията на игрите, чиито концепции са очертани за първи път в книга от 1944 г. на Оскар Моргенщайн и Джон фон Войман, озаглавена Теория на игрите и икономическото поведение.

Общата идея е по същество следната: Агентите имат свои собствени предпочитания, които могат да бъдат подредени по отношение на тяхната полезност (ниво на удовлетворение). В рамките на тези параметри те ще действат логично, според тези предпочитания. Преведено в поведение при шофиране, без значение колко непредсказуем може да изглежда пътят в час пик, като знае колко алтруистично, просоциални, егоистични или конкурентни шофьори около вас може да са, можете да предвидите поведение, за да завършите пътуването си без проблем.

Наблюдавайки начина, по който се движат другите автомобили, алгоритъмът на MIT оценява другите шофьори на базата на „наградата за другите“ срещу. скала „възнаграждение за себе си“. Това би означавало да сортирате колегите си на пътя в категории „алтруисти“, „просоциални“, „егоистични“, „състезателни“, „садистични“, „садомазохистични“, „мазохистични“ и „мъченици“. Чрез научаването, че не всички други автомобили се държат по същия начин, екипът вярва, че техният модел може да се окаже добре дошло допълнение към системите за самоуправляващи се автомобили.

„Първо обучихме системата, като моделирахме пътни сценарии, при които всеки водач се опита да увеличи максимално своите собствени полезност и анализиране на техните най-ефективни отговори в светлината на решенията на всички други агенти,” - каза Швартинг. „Полезността включва колко водач претегля собствената си полза спрямо ползата на друг водач, претеглена от SVO. Въз основа на този малък фрагмент от движение от други автомобили, нашият алгоритъм може след това да предскаже поведението на околните автомобили като кооперативно, алтруистично или егоистично по време на взаимодействия. Калибрирахме наградите въз основа на реални данни за шофиране с машинно обучение, като по същество кодирахме доколко човешките водачи ценят комфорта, безопасността или бързото достигане до целта си.“

Прогнозиране на поведението на водачите

При тестове екипът показа, че техният алгоритъм може по-точно да предвиди поведението на други автомобили с коефициент от 25%. Това помогна на превозното средство да знае кога трябва, когато е на ляв завой, вместо да завива пред насрещен шофьор.

„Това също така ни позволява да решим колко кооперативно или егоистично трябва да бъде едно автономно превозно средство в зависимост от сценария“, продължи Швартинг. „Прекалено консервативното поведение не винаги е най-безопасният вариант, тъй като може да предизвика недоразумения и объркване сред шофьорите.“

Екипът казва, че алгоритъмът все още не е готов за най-доброто време по отношение на тестване на пътя в реалния свят. Но те продължават да го развиват и смятат, че приложенията му могат да се разширят още повече от описаното тук. От една страна, наблюдението на други автомобили може да помогне на бъдещите самоуправляващи се превозни средства да се научат да проявяват по-човешки черти, които ще бъдат по-лесни за разбиране от хората-шофьори.

„[Освен това] това може да бъде полезно не само за напълно автономни автомобили, но и за съществуващи автомобили, които използваме“, каза Швартинг. „Например, представете си, че кола внезапно навлиза в мъртвата ви зона. Със системата [която сме разработили] може да получите предупреждение в огледалото за обратно виждане, че колата във вашата мъртва зона има агресивен шофьор, което може да бъде особено ценна информация.“

След това изследователите се надяват да приложат модела към пешеходци, велосипеди и други агенти, които могат да се появят в среда на шофиране. „Бихме искали също така да разгледаме други роботизирани системи, които трябва да взаимодействат с нас, като домакински роботи“, отбеляза Швартинг.

Препоръки на редакторите

• Volkswagen стартира собствена програма за тестване на самоуправляващи се автомобили в САЩ
• Според слуховете колата на Apple може да струва колкото Tesla Model S
• Бивш служител на Apple се признава за виновен в кражба на тайни на Apple Car
• Полицаи объркани, докато спират празна самоуправляваща се кола
• Как голям син ван от 1986 г. проправи пътя на самоуправляващите се автомобили