MIT는 자율주행차에게 도로 위의 인간을 정신분석하는 방법을 가르치고 있습니다.

2004년 3월, 미국 국방고등연구계획국(DARPA)은 현세대 자율주행차의 가능성 또는 부족함을 테스트하기 위해 특별 그랜드 챌린지 이벤트를 조직했습니다. 세계 최고의 AI 참가자 연구실은 100만 달러의 상금을 놓고 경쟁했습니다. 캘리포니아의 모하비 사막을 통과하는 142마일의 경로를 자동으로 탐색하기 위해 최선을 다하는 맞춤형 차량입니다. 잘 안 됐어요. "승리한" 팀은 몇 시간 만에 7.4마일만 이동한 뒤 멈춰 섰습니다. 그리고 불이 붙습니다.

10년 반, 모든 게 변했어. 자율주행차는 실제 도로에서 수십만 마일을 성공적으로 주행했습니다. 인간이 운전하는 자동차보다 로봇이 운전하는 자동차를 타는 것이 거의 확실히 더 안전할 것이라고 말하는 것은 논란의 여지가 없습니다. 그러나 결국 도로 위의 모든 자동차가 자율주행차가 되는 전환점이 오겠지만, 자율주행차가 인간이 운전하는 차량과 도로를 공유해야 하는 혼란스러운 중간 단계가 될 것입니다. 자동차. 이 시나리오에서 문제 당사자가 누구일지 아시나요? 그렇습니다. 살이 많고 예측할 수 없으며 때로는 조심스럽고 때로는 도로에 분노하기 쉬운 인간입니다.

이 문제를 해결하기 위해 MIT 컴퓨터 과학 및 인공 지능 연구소(CSAIL)의 연구원들은 자율주행차가 다른 운전자의 '사회적 성격'을 분류할 수 있도록 하기 위한 새로운 알고리즘을 만들었습니다. 도로. 인간이 (종종 비과학적으로) 움직이고 있을 때 다른 운전자의 반응을 확인하려고 노력하는 것과 같은 방식으로 교차로에서 자율주행차는 교차로에서 사고를 피하기 위해 상대가 누구인지 파악하려고 시도합니다. 도로.

"우리는 사회 심리학의 도구를 자율주행차의 의사결정 및 제어에 통합하는 시스템을 개발했습니다." 윌코 슈워팅MIT CSAIL의 연구 조교는 Digital Trends에 말했습니다. “특정 운전자가 얼마나 이기적이거나 이타적인지와 관련하여 운전자의 행동을 추정할 수 있습니다. 운전자의 소위 '사회적 가치 지향'을 추정하는 시스템의 능력을 통해 인간 운전자가 무엇을 할지 더 잘 예측할 수 있으므로 더 안전하게 운전할 수 있습니다.”

사회적 가치 지향

전반적으로 우리의 운전 프레임워크는 상당히 잘 작동합니다. 한 운전자에게 다른 운전자보다 우선권을 주고, 우리를 방향 차선으로 나누는 등의 작업을 수행합니다. 그러나 여러 당사자가 때로는 고속에서 기동을 완료하기 위해 노력을 조정하는 방법을 파악해야 하는 주관적인 순간이 여전히 많이 있습니다. 당신을 다치게 할 성급한 운전자를 상대하고 있는지, 아니면 인내심을 갖고 운전하는 운전자를 상대하고 있는지 알기 기다리거나 길을 가는 것은 성공적인 여행과 힘든 펜더 벤더 사이의 차이를 의미할 수 있습니다. 미국에서만 매년 수십만 건의 차선 변경, 합류, 우회전 또는 좌회전 사고가 발생한다는 사실은 인간이 이 미묘한 기술을 완전히 익히지 못했다는 것을 보여줍니다.

사회적 가치 지향은 둘 이상의 사람들 사이의 전략적 상호 작용을 살펴보는 상호 의존적 의사 결정 분야의 일부입니다. 이는 게임 이론에 뿌리를 두고 있으며, 그 개념은 Oskar Morgenstein과 John von Veumann이 1944년에 쓴 책에서 처음으로 설명되었습니다. 게임이론과 경제행동.

광범위한 아이디어는 본질적으로 다음과 같습니다. 에이전트는 유틸리티(만족도) 측면에서 주문할 수 있는 자신만의 선호도를 가지고 있습니다. 이러한 매개변수 내에서는 해당 기본 설정에 따라 논리적으로 작동합니다. 출퇴근 시간에 도로가 아무리 예측 불가능해 보일지라도 운전 행동으로 해석하면 얼마나 이타적인지 알면 주변의 운전자가 친사회적, 이기적 또는 경쟁적일 수 있으므로 운전을 완료하기 위한 행동을 예측할 수 있습니다. 문제.

MIT 알고리즘은 다른 자동차가 운전하는 방식을 관찰함으로써 다른 운전자를 "다른 사람에 대한 보상"과 "보상"으로 평가합니다. "자신에 대한 보상" 척도. 이는 동료 도로 거주자들을 "이타적", "친사회적", "이기적", "경쟁적", "가학적", "사도마조히즘적", "마조히스트적", "순교자" 범주로 분류하는 것을 의미합니다. 팀은 다른 모든 자동차가 동일한 방식으로 작동하지 않는다는 사실을 학습함으로써 자신의 모델이 자율 주행 자동차 시스템에 추가될 수 있다고 믿습니다.

“우리는 먼저 각 운전자가 자신의 능력을 극대화하려고 노력하는 도로 시나리오를 모델링하여 시스템을 교육했습니다. 다른 모든 에이전트의 결정을 고려하여 가장 효과적인 대응을 활용하고 분석합니다.” 슈워팅이 말했다. “이 유틸리티는 SVO에 의해 가중치가 부여된 다른 운전자의 이익에 대해 운전자가 자신의 이익을 얼마나 중요하게 생각하는지를 통합합니다. 다른 자동차의 작은 움직임을 기반으로 우리 알고리즘은 상호 작용 중에 주변 자동차의 행동을 협력적, 이타적 또는 이기적인 것으로 예측할 수 있습니다. 우리는 기계 학습을 통해 실제 운전 데이터를 기반으로 보상을 보정하여 기본적으로 인간 운전자가 편안함, 안전 또는 목표 달성을 얼마나 중요하게 생각하는지 인코딩했습니다."

운전자의 행동 예측

테스트에서 팀은 그들의 알고리즘이 다른 자동차의 동작을 25% 더 정확하게 예측할 수 있음을 보여주었습니다. 이는 차량이 좌회전해야 할 때와 다가오는 운전자 앞에서 회전해야 할 때를 아는 데 도움이 되었습니다.

Schwarting은 "또한 시나리오에 따라 자율주행차가 얼마나 협조적이거나 이기적이어야 하는지 결정할 수 있게 해줍니다."라고 말했습니다. 지나치게 보수적으로 행동하는 것은 인간 운전자들 사이에 오해와 혼란을 야기할 수 있기 때문에 항상 가장 안전한 선택은 아닙니다.

팀은 알고리즘이 실제 도로 테스트 측면에서 아직 전성기를 누릴 준비가 되지 않았다고 말합니다. 그러나 그들은 계속해서 이를 개발하고 있으며 그 응용 프로그램이 여기에 설명된 것 이상으로 훨씬 더 확장될 수 있다고 생각합니다. 우선, 다른 자동차를 관찰하는 것은 미래의 자율주행 자동차가 인간 운전자가 더 쉽게 이해할 수 있는 인간과 유사한 특성을 나타내는 방법을 배우는 데 도움이 될 수 있습니다.

"[게다가] 이는 완전 자율주행 자동차뿐만 아니라 우리가 사용하는 기존 자동차에도 유용할 수 있습니다."라고 Schwarting은 말했습니다. “예를 들어, 자동차가 갑자기 사각지대에 들어왔다고 상상해 보세요. [우리가 개발한] 시스템을 사용하면 사각지대에 있는 차량에 공격적인 운전자가 있다는 경고가 백미러를 통해 표시될 수 있으며 이는 특히 귀중한 정보가 될 수 있습니다.”

다음으로 연구자들은 운전 환경에 나타날 수 있는 보행자, 자전거 및 기타 에이전트에 모델을 적용하기를 희망합니다. Schwarting은 "우리는 가정용 로봇과 같이 우리와 상호 작용해야 하는 다른 로봇 시스템도 살펴보고 싶습니다."라고 말했습니다.

편집자의 추천

• 폭스바겐(Volkswagen)이 미국에서 자율주행차 테스트 프로그램을 시작한다.
• Apple의 소문에 따르면 자동차의 가격은 Tesla Model S와 동일할 수 있습니다.
• 전직 애플 직원, 애플카 기밀 빼돌린 혐의로 유죄 인정
• 비어 있는 자율주행차를 멈춰 세우며 혼란스러워하는 경찰관들
• 1986년 대형 파란색 밴이 자율주행차의 길을 닦은 방법