MIT podučava samovozeće automobile kako psihoanalizirati ljude na cesti

U ožujku 2004. Agencija za napredna istraživanja u obrani SAD-a (DARPA) organizirala je poseban događaj Grand Challenge kako bi testirala obećanje - ili nedostatak - sadašnje generacije samovozećih automobila. Učesnici iz vrhunske svjetske industrije umjetne inteligencije. laboratoriji su se natjecali za nagradu od milijun dolara; njihova vozila izrađena po narudžbi daju sve od sebe da autonomno pređu rutu dugu 142 milje kroz kalifornijsku pustinju Mojave. Nije dobro prošlo. "Pobjednički" tim uspio je prijeći samo 7,4 milje u nekoliko sati prije nego što se drhtavo zaustavio. I zapaliti se.

Desetljeće i pol, a puno toga se promijenilo. Samovozeći automobili uspješno su prešli stotine tisuća milja na pravim cestama. Nije kontroverzno reći da će ljudi gotovo sigurno biti sigurniji u automobilu koji vozi robot nego u automobilu koji vozi čovjek. Međutim, iako će na kraju doći do prekretnice kada svaki automobil na cesti bude autonoman, tu je i to će biti zbrkana međufaza kada će samovozeći automobili morati dijeliti cestu s automobilima kojima upravljaju ljudi automobili. Znate li tko će vjerojatno biti problematične strane u ovom scenariju? Tako je: mesnati, nepredvidivi, ponekad oprezni, ponekad skloni bijesu na cesti.

Kako bi pokušali riješiti ovaj problem, istraživači s MIT-ovog Laboratorija za računalnu znanost i umjetnu inteligenciju (CSAIL) stvorio je novi algoritam namijenjen samovozećim automobilima da klasificiraju "društvene osobnosti" drugih vozača na cesta. Na isti način na koji ljudi (često neznanstveno) pokušavaju utvrditi reakcije drugih vozača kada se, recimo, krećemo na raskrižju, pa će autonomna vozila pokušati shvatiti s kim imaju posla kako bi izbjegla nesreće na cesta.

"Razvili smo sustav koji integrira alate iz socijalne psihologije u donošenje odluka i kontrolu autonomnih vozila," Wilko Schwarting, pomoćnik istraživanja na MIT CSAIL, rekao je za Digital Trends. “Može procijeniti ponašanje vozača s obzirom na to koliko se određeni vozač čini sebičnim ili nesebičnim. Sposobnost sustava da procijeni takozvanu 'društvenu vrijednosnu orijentaciju' vozača omogućuje mu bolje predviđanje što će ljudski vozači učiniti i stoga može voziti sigurnije."

Društvena vrijednosna orijentacija

U cjelini, naši pogonski okviri funkcioniraju prilično dobro; davanje prednosti jednom vozaču u odnosu na drugog, dijeljenje nas u vozne trake i tako dalje. Ali još uvijek postoji mnogo subjektivnih trenutaka kada više strana mora smisliti kako koordinirati svoje napore da dovrše manevar, ponekad pri velikim brzinama. Znajući imate li posla s nestrpljivim vozačem koji će vas sasjeći ili strpljivim koji čekati ili napraviti put može značiti razliku između uspješnog putovanja i napornog savijanja branika. Činjenica da se svake godine samo u Sjedinjenim Državama dogode stotine tisuća nesreća s promjenom traka, spajanjem i skretanjem udesno ili ulijevo, pokazuje da ljudi nisu sasvim savladali ovu suptilnu umjetnost.

Društvena vrijednosna orijentacija je dio polja međuovisnog odlučivanja, promatrajući strateške interakcije između dvoje ili više ljudi. Ukorijenjena je u teoriji igara, čiji su koncepti prvi put prikazani u knjizi Oskar Morgenstein i John von Veumann iz 1944. Teorija igara i ekonomskog ponašanja.

Opća ideja je u biti sljedeća: Agenti imaju vlastite preferencije koje se mogu poredati u smislu njihove korisnosti (razine zadovoljstva). Unutar tih parametara oni će se ponašati logično, u skladu s tim preferencijama. Prevedeno na ponašanje u vožnji, bez obzira koliko se cesta činila nepredvidivom u vrijeme špice, znajući koliko je altruistična, vozači oko vas mogu biti prosocijalni, egoistični ili natjecateljski raspoloženi, možete predvidjeti ponašanje kako biste završili svoje putovanje bez problem.

Promatrajući način na koji drugi automobili voze, algoritam MIT-a procjenjuje druge vozače na temelju "nagrade drugima" u odnosu na skala “nagrada sebi”. To bi značilo razvrstavanje suputnika u "altruistične", "prosocijalne", "egoistične", "natjecateljske", "sadističke", "sadomazohističke", "mazohističke" i "mučeničke" kategorije. Kroz učenje da se svi drugi automobili ne ponašaju na isti način, tim vjeruje da bi se njihov model mogao pokazati kao dobrodošao dodatak sustavima samovozećih automobila.

“Prvo smo istrenirali sustav modeliranjem cestovnih scenarija gdje je svaki vozač pokušao maksimalno iskoristiti svoje korisnost i analiziranje njihovih najučinkovitijih odgovora u svjetlu odluka svih ostalih agenata,” rekao je Schwarting. “Korisnost uključuje koliko vozač ponderira vlastitu korist u odnosu na korist drugog vozača, ponderira SVO. Na temelju tog sićušnog isječka kretanja iz drugih automobila, naš algoritam bi tada mogao predvidjeti ponašanje okolnih automobila kao kooperativno, altruistično ili egoistično tijekom interakcija. Kalibrirali smo nagrade na temelju stvarnih podataka o vožnji sa strojnim učenjem, u biti kodirajući koliko ljudski vozači cijene udobnost, sigurnost ili brzo postizanje cilja.”

Predviđanje ponašanja vozača

U testovima je tim pokazao da njihov algoritam može točnije predvidjeti ponašanje drugih automobila za faktor od 25%. To je pomoglo vozilu da zna kada treba kada je u lijevom zavoju umjesto da se okrene ispred nadolazećeg vozača.

"Također nam omogućuje da odlučimo koliko autonomno vozilo treba biti kooperativno ili egoistično ovisno o scenariju", nastavio je Schwarting. “Pretjerano konzervativno ponašanje nije uvijek najsigurnija opcija jer može izazvati nesporazume i zbunjenost među ljudskim vozačima.”

Tim kaže da algoritam još nije spreman za udarno vrijeme u smislu testiranja na cesti u stvarnom svijetu. No oni ga nastavljaju razvijati i misle da bi se njegove primjene mogle proširiti i dalje od ovdje opisanih. S jedne strane, promatranje drugih automobila moglo bi pomoći budućim samoupravljajućim vozilima da nauče pokazivati ​​više osobina sličnih ljudskim osobinama koje će ljudski vozači lakše razumjeti.

"[Osim toga], ovo bi moglo biti korisno ne samo za potpuno samovozeće automobile, već i za postojeće automobile koje koristimo", rekao je Schwarting. “Na primjer, zamislite da vam automobil iznenada uđe u mrtvi kut. Sa sustavom [koji smo razvili], mogli biste dobiti upozorenje u retrovizoru da automobil u vašem mrtvom kutu ima agresivnog vozača, što bi mogla biti posebno vrijedna informacija.”

Zatim se istraživači nadaju primijeniti model na pješake, bicikle i druge faktore koji se mogu pojaviti u okruženju vožnje. "Također bismo željeli pogledati druge robotske sustave koji trebaju komunicirati s nama, poput kućnih robota", istaknuo je Schwarting.

Preporuke urednika

• Volkswagen pokreće vlastiti program testiranja samovozećih automobila u SAD-u.
• Priča se da bi Appleov automobil mogao koštati isto kao Tesla Model S
• Bivši zaposlenik Applea priznao je krivnju za otimanje tajni Apple Cara
• Policajci zbunjeni dok zaustavljaju prazan samovozeći automobil
• Kako je veliki plavi kombi iz 1986. otvorio put samovozećim automobilima