MIT leert zelfrijdende auto’s hoe ze mensen op de weg psychoanalyse kunnen maken

In maart 2004 organiseerde het Amerikaanse Defense Advanced Research Projects Agency (DARPA) een speciaal Grand Challenge-evenement om de belofte – of het gebrek daaraan – van zelfrijdende auto’s van de huidige generatie te testen. Deelnemers van 's werelds beste A.I. labs streden om een ​​prijs van $ 1 miljoen; hun op maat gemaakte voertuigen doen hun best om autonoom een ​​route van 230 kilometer door de Mojave-woestijn in Californië te navigeren. Het ging niet goed. Het ‘winnende’ team slaagde erin om binnen enkele uren slechts 12,2 kilometer af te leggen voordat het huiverend tot stilstand kwam. En vlam vatten.

Anderhalf decennium, a er is heel veel veranderd. Zelfrijdende auto’s hebben met succes honderdduizenden kilometers op echte wegen gereden. Het is niet controversieel om te zeggen dat mensen vrijwel zeker veiliger zullen zijn in een auto die wordt bestuurd door een robot dan in een auto die wordt bestuurd door een mens. Hoewel er uiteindelijk een omslagpunt zal zijn wanneer elke auto op de weg autonoom zal zijn, is dat ook het geval Het wordt een rommelige tussenfase waarin zelfrijdende auto’s de weg zullen moeten delen met door mensen bestuurde auto’s auto's. Weet u wie in dit scenario waarschijnlijk de probleempartijen zijn? Dat klopt: de vlezige, onvoorspelbare, soms voorzichtige, soms vatbaar voor woede op de weg.

Om dit probleem te proberen op te lossen, hebben onderzoekers van het Computer Science and Artificial Intelligence Laboratory (CSAIL) van MIT dat gedaan creëerde een nieuw algoritme dat bedoeld is om zelfrijdende auto’s in staat te stellen de ‘sociale persoonlijkheden’ van andere bestuurders op de weg te classificeren weg. Op dezelfde manier waarop mensen (vaak niet-wetenschappelijk) proberen de reacties van andere bestuurders vast te stellen als we zeggen: rijden op een kruispunt, zodat de autonome voertuigen zullen proberen uit te vinden met wie ze te maken hebben om ongelukken op het kruispunt te voorkomen weg.

“We hebben een systeem ontwikkeld dat hulpmiddelen uit de sociale psychologie integreert in de besluitvorming en controle van autonome voertuigen”, Wilko Schwarting, een onderzoeksassistent bij MIT CSAIL, aan Digital Trends. “Het is in staat het gedrag van chauffeurs in te schatten op basis van hoe egoïstisch of onbaatzuchtig een bepaalde chauffeur lijkt. Het vermogen van het systeem om de zogenaamde ‘Sociale Waarde Oriëntatie’ van bestuurders in te schatten, maakt het mogelijk beter te voorspellen wat menselijke bestuurders zullen doen en kan daardoor veiliger rijden.”

Oriëntatie op sociale waarden

Over het geheel genomen functioneren onze drijvende raamwerken redelijk goed; voorrang geven aan de ene bestuurder boven de andere, ons in rijbanen verdelen, enzovoort. Maar er zijn nog steeds veel meer subjectieve momenten waarop meerdere partijen moeten uitzoeken hoe ze hun inspanningen kunnen coördineren om een ​​manoeuvre te voltooien, soms met hoge snelheid. Weten of je te maken hebt met een ongeduldige chauffeur die je in stukken gaat snijden of met een geduldige chauffeur wachten of plaats maken kan het verschil betekenen tussen een succesvolle reis en een beladen fenderbuiger. Het feit dat er alleen al in de Verenigde Staten jaarlijks honderdduizenden ongelukken gebeuren bij het wisselen van rijstrook, invoegen en het rechts of links afslaan, toont aan dat mensen deze subtiele kunst nog niet helemaal onder de knie hebben.

Sociale Waardeoriëntatie maakt deel uit van het veld van onderling afhankelijke besluitvorming, waarbij gekeken wordt naar de strategische interacties tussen twee of meer mensen. Het is geworteld in de speltheorie, waarvan de concepten voor het eerst werden uiteengezet in een boek uit 1944 van Oskar Morgenstein en John von Veumann met de titel Theorie van games en economisch gedrag.

Het brede idee is in wezen het volgende: agenten hebben hun eigen voorkeuren, die kunnen worden geordend in termen van hun nut (tevredenheidsniveau). Binnen deze parameters zullen ze logisch handelen, in overeenstemming met die voorkeuren. Vertaald naar rijgedrag, hoe onvoorspelbaar de weg in de spits ook lijkt, door te weten hoe altruïstisch, prosociaal, egoïstisch of competitief de drijfveren om je heen kunnen zijn, je kunt gedrag voorspellen om je reis zonder te voltooien probleem.

Door de manier te observeren waarop andere auto’s rijden, beoordeelt het MIT-algoritme andere bestuurders op basis van ‘beloning voor anderen’ versus ‘beloning voor anderen’. schaal “beloning voor zichzelf”. Dat zou betekenen dat medewegbewoners worden ingedeeld in de categorieën ‘altruïstisch’, ‘prosociaal’, ‘egoïstisch’, ‘competitief’, ‘sadistisch’, ‘sadomasochistisch’, ‘masochistisch’ en ‘martelaar’. Door te leren dat niet alle andere auto's zich op dezelfde manier gedragen, gelooft het team dat hun model een welkome aanvulling kan zijn op zelfrijdende autosystemen.

“We hebben het systeem eerst getraind door wegscenario’s te modelleren waarin elke bestuurder zijn eigen scenario’s probeerde te maximaliseren nut en het analyseren van hun meest effectieve reacties in het licht van de beslissingen van alle andere agenten.” aldus Schwarting. “Het hulpprogramma houdt rekening met de mate waarin een bestuurder zijn eigen voordeel afweegt tegen het voordeel van een andere bestuurder, gewogen door de SVO. Op basis van dat kleine bewegingsfragment van andere auto's zou ons algoritme vervolgens het gedrag van de omringende auto's kunnen voorspellen als coöperatief, altruïstisch of egoïstisch tijdens interacties. We hebben de beloningen gekalibreerd op basis van echte rijgegevens met behulp van machine learning, waarbij we in essentie codeerden hoeveel menselijke bestuurders waarde hechten aan comfort, veiligheid en het snel bereiken van hun doel.”

Het voorspellen van het gedrag van chauffeurs

In tests toonde het team aan dat hun algoritme het gedrag van andere auto's met een factor 25% nauwkeuriger kon voorspellen. Hierdoor weet het voertuig wanneer het moet wanneer het een bocht naar links maakt, in plaats van wanneer het voor een tegemoetkomende bestuurder moet draaien.

“Het stelt ons ook in staat te beslissen hoe coöperatief of egoïstisch een autonoom voertuig moet zijn, afhankelijk van het scenario”, vervolgde Schwarting. “Overdreven conservatief handelen is niet altijd de veiligste optie, omdat het misverstanden en verwarring kan veroorzaken onder menselijke bestuurders.”

Het team zegt dat het algoritme nog niet klaar is voor prime time als het gaat om testen op de weg in de echte wereld. Maar ze blijven het ontwikkelen en denken dat de toepassingen ervan nog verder kunnen reiken dan de hier beschreven. Om te beginnen zou het observeren van andere auto’s ertoe kunnen bijdragen dat toekomstige zelfrijdende voertuigen meer mensachtige eigenschappen leren vertonen die voor menselijke bestuurders gemakkelijker te begrijpen zijn.

“[Bovendien] zou dit niet alleen nuttig kunnen zijn voor volledig zelfrijdende auto’s, maar ook voor bestaande auto’s die we gebruiken”, aldus Schwarting. “Stel je bijvoorbeeld voor dat er plotseling een auto in je dode hoek komt. Met het systeem dat we hebben ontwikkeld, krijg je mogelijk een waarschuwing in de achteruitkijkspiegel dat de auto in je dode hoek een agressieve bestuurder heeft, wat bijzonder waardevolle informatie kan zijn.”

Vervolgens hopen de onderzoekers het model toe te passen op voetgangers, fietsen en andere agenten die in rijomgevingen kunnen voorkomen. “We zouden ook graag kijken naar andere robotsystemen die met ons moeten communiceren, zoals huishoudelijke robots”, aldus Schwarting.

Aanbevelingen van de redactie

• Volkswagen lanceert zijn eigen testprogramma voor zelfrijdende auto's in de VS.
• De geruchtenauto van Apple zou hetzelfde kunnen kosten als een Tesla Model S
• Ex-werknemer van Apple bekent schuldig te zijn aan het achterhalen van Apple Car-geheimen
• Agenten zijn in verwarring als ze een lege zelfrijdende auto aanhouden
• Hoe een grote blauwe bestelwagen uit 1986 de weg vrijmaakte voor zelfrijdende auto’s