Pada bulan Maret 2004, Badan Proyek Penelitian Lanjutan Pertahanan (DARPA) A.S. menyelenggarakan acara Grand Challenge khusus untuk menguji kemampuan — atau ketiadaan — dari mobil self-driving generasi saat ini. Peserta dari A.I. laboratorium bersaing untuk mendapatkan hadiah $1 juta; kendaraan mereka yang dibuat khusus mencoba yang terbaik untuk menavigasi rute sepanjang 142 mil secara mandiri melalui Gurun Mojave California. Itu tidak berjalan dengan baik. Tim “pemenang” berhasil menempuh jarak hanya 7,4 mil dalam beberapa jam sebelum terhenti. Dan terbakar.
Isi
- Orientasi Nilai Sosial
- Memprediksi perilaku pengemudi
Satu setengah dekade, a semuanya telah berubah. Mobil self-driving telah berhasil menempuh jarak ratusan ribu mil di jalan sebenarnya. Tidaklah kontroversial untuk mengatakan bahwa manusia hampir pasti akan lebih aman berada di dalam mobil yang dikemudikan oleh robot daripada di dalam mobil yang dikemudikan oleh manusia. Namun, meskipun pada akhirnya akan ada titik kritis ketika setiap mobil di jalan menjadi otonom, namun ada juga akan menjadi fase perantara yang berantakan ketika mobil tanpa pengemudi harus berbagi jalan dengan mobil yang dikemudikan manusia mobil. Anda tahu siapa saja pihak-pihak yang mungkin bermasalah dalam skenario ini? Itu benar: manusia yang berdaging, tidak dapat diprediksi, terkadang berhati-hati, terkadang rentan terhadap kemarahan di jalan.
Untuk mencoba memecahkan masalah ini, para peneliti dari Laboratorium Ilmu Komputer dan Kecerdasan Buatan (CSAIL) MIT telah melakukannya menciptakan algoritma baru yang dimaksudkan untuk memungkinkan mobil self-driving mengklasifikasikan “kepribadian sosial” pengemudi lain di dalamnya jalan. Dengan cara yang sama seperti manusia (seringkali secara non-ilmiah) mencoba dan memastikan tanggapan pengemudi lain ketika kita mengatakan, bergerak. di persimpangan, sehingga kendaraan otonom akan berusaha mencari tahu dengan siapa mereka berhadapan untuk menghindari kecelakaan di persimpangan jalan.
Terkait
- Mobil otonom dibingungkan oleh kabut San Francisco
- Tesla berharap versi beta self-driving penuh akan dirilis secara global pada akhir tahun 2022
- Hal aneh baru saja terjadi pada armada mobil otonom
“Kami telah mengembangkan sistem yang mengintegrasikan alat-alat dari psikologi sosial ke dalam pengambilan keputusan dan pengendalian kendaraan otonom,” Wilko Schwarting, asisten peneliti di MIT CSAIL, mengatakan kepada Digital Trends. “Hal ini dapat memperkirakan perilaku pengemudi sehubungan dengan seberapa egois atau tidak mementingkan diri sendiri dari pengemudi tertentu. Kemampuan sistem untuk memperkirakan apa yang disebut 'Orientasi Nilai Sosial' pengemudi memungkinkan sistem untuk memprediksi dengan lebih baik apa yang akan dilakukan pengemudi manusia dan oleh karena itu mampu membuat pengemudi lebih aman.”
Video yang Direkomendasikan
Orientasi Nilai Sosial
Secara keseluruhan, kerangka kerja mengemudi kami berfungsi cukup baik; memberikan prioritas kepada satu pengemudi di atas yang lain, membagi kita ke dalam jalur-jalur terarah, dan seterusnya. Namun masih banyak momen subjektif ketika banyak pihak harus memikirkan cara mengoordinasikan upaya mereka untuk menyelesaikan suatu manuver, terkadang dengan kecepatan tinggi. Mengetahui apakah Anda sedang berhadapan dengan pengemudi yang tidak sabaran yang akan memotong Anda atau pengemudi yang sabar akan menunggu atau memberi jalan dapat berarti perbedaan antara perjalanan yang sukses dan penyok sepatbor yang penuh kesulitan. Fakta bahwa terdapat ratusan ribu kecelakaan berpindah jalur, menyatu, dan berbelok ke kanan atau ke kiri setiap tahunnya di Amerika Serikat saja menunjukkan bahwa manusia belum cukup menguasai seni halus ini.
Orientasi Nilai Sosial adalah bagian dari bidang pengambilan keputusan yang saling bergantung, melihat interaksi strategis antara dua orang atau lebih. Hal ini berakar pada teori permainan, yang konsepnya pertama kali diuraikan dalam buku tahun 1944 oleh Oskar Morgenstein dan John von Veumann berjudul Teori Permainan dan Perilaku Ekonomi.
Ide umumnya pada dasarnya adalah ini: Agen memiliki preferensi mereka sendiri yang dapat diurutkan berdasarkan utilitasnya (tingkat kepuasan). Dalam parameter ini mereka akan bertindak secara logis, sesuai dengan preferensi tersebut. Diterjemahkan ke dalam perilaku mengemudi, tidak peduli betapa tidak terduganya jalan pada jam sibuk, dengan mengetahui betapa altruistiknya, pengemudi di sekitar Anda mungkin prososial, egois, atau kompetitif, Anda dapat memprediksi perilaku yang tidak akan menyelesaikan perjalanan Anda masalah.
Perilaku Sosial untuk Kendaraan Otonom
Dengan mengamati cara mobil lain mengemudi, algoritma MIT menilai pengemudi lain berdasarkan “hadiah kepada orang lain” vs. skala “hadiah untuk diri sendiri”. Hal ini berarti mengurutkan sesama pengguna jalan ke dalam kategori “altruistik”, “prososial”, “egois”, “kompetitif”, “sadis”, “sadomasokis”, “masokis”, dan “martir”. Melalui pembelajaran bahwa tidak semua mobil lain berperilaku sama, tim yakin model mereka dapat menjadi tambahan yang baik untuk sistem mobil self-driving.
“Kami melatih sistemnya terlebih dahulu dengan memodelkan skenario jalan raya di mana setiap pengemudi berusaha memaksimalkan kemampuannya utilitas mereka dan menganalisis respons mereka yang paling efektif berdasarkan keputusan semua agen lainnya,” kata Schwarting. “Utilitasnya mencakup seberapa besar seorang pengemudi mempertimbangkan keuntungannya sendiri dibandingkan dengan keuntungan pengemudi lain, yang ditimbang oleh SVO. Berdasarkan cuplikan kecil pergerakan mobil lain, algoritme kami kemudian dapat memprediksi perilaku mobil di sekitar sebagai kooperatif, altruistik, atau egois selama interaksi. Kami mengkalibrasi imbalan berdasarkan data berkendara nyata dengan pembelajaran mesin, yang pada dasarnya mengkodekan seberapa besar pengemudi manusia menghargai kenyamanan, keselamatan, atau mencapai tujuan mereka dengan cepat.”
Memprediksi perilaku pengemudi
Dalam pengujian, tim menunjukkan bahwa algoritme mereka dapat memprediksi perilaku mobil lain dengan lebih akurat hingga 25%. Hal ini membantu kendaraan mengetahui kapan harus berbelok ke kiri versus berbelok di depan pengemudi yang melaju.
“Hal ini juga memungkinkan kita untuk memutuskan seberapa kooperatif atau egoistis sebuah kendaraan otonom tergantung pada skenarionya,” lanjut Schwarting. “Bertindak terlalu konservatif tidak selalu merupakan pilihan teraman karena dapat menyebabkan kesalahpahaman dan kebingungan di antara pengemudi manusia.”
Tim mengatakan bahwa algoritma tersebut belum siap untuk prime time dalam hal pengujian jalan di dunia nyata. Namun mereka terus mengembangkannya, dan berpikir bahwa penerapannya dapat melampaui apa yang dijelaskan di sini. Salah satu alasannya, mengamati mobil lain dapat membantu kendaraan self-driving di masa depan belajar menunjukkan sifat yang lebih mirip manusia sehingga lebih mudah dipahami oleh pengemudi manusia.
“[Selain itu], ini bisa berguna tidak hanya untuk mobil yang sepenuhnya self-driving, tapi juga untuk mobil yang sudah kami gunakan,” kata Schwarting. “Misalnya, bayangkan sebuah mobil tiba-tiba memasuki titik buta Anda. Dengan sistem yang kami kembangkan, Anda mungkin mendapat peringatan di kaca spion bahwa mobil di titik buta Anda memiliki pengemudi yang agresif, yang bisa menjadi informasi yang sangat berharga.
Selanjutnya, para peneliti berharap dapat menerapkan model tersebut pada pejalan kaki, sepeda, dan agen lain yang mungkin muncul di lingkungan berkendara. “Kami juga ingin melihat sistem robot lain yang perlu berinteraksi dengan kami, seperti robot rumah tangga,” kata Schwarting.
Rekomendasi Editor
- Volkswagen meluncurkan program pengujian mobil self-driving di AS.
- Mobil Apple yang dikabarkan bisa berharga sama dengan Tesla Model S
- Mantan karyawan Apple mengaku bersalah karena mengungkap rahasia Apple Car
- Petugas bingung saat mereka menepikan mobil self-driving yang kosong
- Bagaimana sebuah van biru besar dari tahun 1986 membuka jalan bagi mobil tanpa pengemudi
