MIT lærer selvkjørende biler hvordan man psykoanalyserer mennesker på veien

I mars 2004 arrangerte U.S. Defense Advanced Research Projects Agency (DARPA) et spesielt Grand Challenge-arrangement for å teste ut løftet – eller mangelen på det – om nåværende generasjons selvkjørende biler. Deltakere fra verdens beste A.I. laboratorier konkurrerte om en premie på 1 million dollar; deres spesialbygde kjøretøy prøver sitt beste for å autonomt navigere en 142-mils rute gjennom Californias Mojave-ørken. Det gikk ikke bra. Det "vinnende" laget klarte å reise bare 7,4 miles på flere timer før de grøsser. Og tar fyr.

Et og et halvt tiår, en mye har endret seg. Selvkjørende biler har med suksess kjørt hundretusenvis av miles på faktiske veier. Det er ikke-kontroversielt å si at mennesker nesten helt sikkert vil være tryggere i en bil drevet av en robot enn de er i en drevet av et menneske. Men selv om det til slutt vil være et vippepunkt når hver bil på veien er autonom, er det også kommer til å bli en rotete mellomfase når selvkjørende biler må dele veien med menneskedrevne biler. Du vet hvem problempartene sannsynligvis vil være i dette scenariet? Det stemmer: de kjøttfulle, uforutsigbare, noen ganger-forsiktige, noen ganger-tilbøyelige mennesker til å rase på veien.

For å prøve å løse dette problemet har forskere fra MITs Computer Science and Artificial Intelligence Laboratory (CSAIL) laget en ny algoritme ment å la selvkjørende biler klassifisere de "sosiale personlighetene" til andre sjåfører på vei. På samme måte som mennesker (ofte ikke-vitenskapelig) prøver å finne svarene til andre sjåfører når vi sier, beveger seg i et veikryss, så de autonome kjøretøyene vil forsøke å finne ut hvem de har å gjøre med for å unngå ulykker på vei.

"Vi har utviklet et system som integrerer verktøy fra sosialpsykologi i beslutningstaking og kontroll av autonome kjøretøy," Wilko Schwarting, en forskningsassistent ved MIT CSAIL, fortalte Digital Trends. "Den er i stand til å estimere atferden til sjåfører med hensyn til hvor egoistisk eller uselvisk en bestemt sjåfør ser ut til å være. Systemets evne til å estimere sjåførenes såkalte "Social Value Orientation" gjør at det bedre kan forutsi hva menneskelige sjåfører vil gjøre og er derfor i stand til å kjøre tryggere."

Sosial verdiorientering

I det hele tatt fungerer kjørerammene våre ganske bra; å prioritere en sjåfør fremfor en annen, dele oss inn i retningsfelter og så videre. Men det er fortsatt mange mer subjektive øyeblikk når flere parter må finne ut hvordan de skal koordinere innsatsen for å fullføre en manøver, noen ganger i høye hastigheter. Å vite om du har å gjøre med en utålmodig sjåfør som skal kutte deg eller en tålmodig sjåfør som Å vente eller gjøre vei kan bety forskjellen mellom en vellykket reise og en fylt fenderbender. Det faktum at det er hundretusenvis av kjørefeltbytte, sammenslåing og høyre- eller venstresvingsulykker hvert år i USA alene viser at mennesker ikke helt har mestret denne subtile kunsten.

Sosial verdiorientering er en del av feltet for gjensidig avhengig beslutningstaking, og ser på den strategiske interaksjonen mellom to eller flere personer. Det er forankret i spillteori, hvis konsepter først ble skissert i en bok fra 1944 av Oskar Morgenstein og John von Veumann med tittelen Teori om spill og økonomisk atferd.

Den brede ideen er i hovedsak dette: Agenter har sine egne preferanser som kan sorteres i forhold til deres nytte (tilfredshetsnivå). Innenfor disse parameterne vil de handle logisk, i henhold til disse preferansene. Oversatt til kjøreatferd, uansett hvor uforutsigbar veien kan virke i rushtiden, ved å vite hvor altruistisk, prososial, egoistisk eller konkurransedyktig sjåførene rundt deg kan være, kan du forutsi atferd for å fullføre reisen uten problem.

Ved å observere måten andre biler kjører på, vurderer MIT-algoritmen andre sjåfører på "belønningen til andre" vs. "belønning til seg selv" skala. Det ville bety å sortere andre veibeboere i "altruistiske", "prososiale", "egoistiske", "konkurransedyktige", "sadistiske", "sadomasochistiske", "masochistiske" og "martyr" kategorier. Gjennom å lære at ikke alle andre biler oppfører seg på samme måte, tror teamet at modellen deres kan være et velkomment tillegg til selvkjørende bilsystemer.

"Vi trente systemet først ved å modellere veiscenarier der hver sjåfør prøvde å maksimere sine egne nytte og analysere deres mest effektive svar i lys av avgjørelsene til alle andre agenter» sa Schwarting. "Verktøyet inkluderer hvor mye en sjåfør vekter sin egen fordel mot fordelen til en annen sjåfør, vektet av SVO. Basert på den lille bevegelsen fra andre biler, kan algoritmen vår forutsi de omkringliggende bilenes oppførsel som samarbeidende, altruistisk eller egoistisk under interaksjoner. Vi kalibrerte belønningene basert på ekte kjøredata med maskinlæring, og koder i hovedsak hvor mye menneskelige sjåfører verdsetter komfort, sikkerhet eller å komme raskt i mål."

Forutsi atferden til sjåfører

I tester viste teamet at algoritmen deres kunne forutsi oppførselen til andre biler mer nøyaktig med en faktor på 25 %. Dette hjalp kjøretøyet med å vite når det skulle når det var i en venstresving i forhold til å svinge foran en møtende sjåfør.

"Det lar oss også bestemme hvor samarbeidsvillig eller egoistisk et autonomt kjøretøy skal være avhengig av scenariet," fortsatte Schwarting. "Å opptre for konservativt er ikke alltid det sikreste alternativet fordi det kan forårsake misforståelser og forvirring blant menneskelige sjåfører."

Teamet sier at algoritmen ennå ikke er klar for beste sendetid når det gjelder veitesting i den virkelige verden. Men de fortsetter å utvikle den, og tror at applikasjonene kan strekke seg enda lenger utover den som er beskrevet her. For det første kan det å observere andre biler hjelpe fremtidige selvkjørende kjøretøy til å lære å vise mer menneskelignende egenskaper som vil være lettere å forstå for menneskelige sjåfører.

"[I tillegg] kan dette være nyttig ikke bare for fullt selvkjørende biler, men for eksisterende biler som vi bruker," sa Schwarting. «For eksempel, tenk deg at en bil plutselig kommer inn i blindsonen din. Med systemet [vi har utviklet] kan du få en advarsel i bakspeilet om at bilen i din blindsone har en aggressiv sjåfør, noe som kan være spesielt verdifull informasjon."

Deretter håper forskerne å bruke modellen på fotgjengere, sykler og andre agenter som kan dukke opp i kjøremiljøer. "Vi vil også se på andre robotsystemer som trenger å samhandle med oss, for eksempel husholdningsroboter," bemerket Schwarting.

Redaktørenes anbefalinger

• Volkswagen lanserer sitt eget selvkjørende biltestprogram i USA.
• Apples ryktede bil kan koste det samme som en Tesla Model S
• Eks-ansatt i Apple erkjenner straffskyld for å ha fanget Apple Car-hemmeligheter
• Offiserer forvirret da de kjører over en tom selvkjørende bil
• Hvordan en stor blå varebil fra 1986 banet vei for selvkjørende biler