MIT uczy samochody autonomiczne, jak psychoanalizować ludzi na drodze

W marcu 2004 r. amerykańska Agencja Zaawansowanych Projektów Badawczych w dziedzinie Obronności (DARPA) zorganizowała specjalne wydarzenie Grand Challenge, aby przetestować możliwości – lub ich brak – autonomicznych samochodów obecnej generacji. Uczestnicy z najlepszych na świecie specjalistów ds. sztucznej inteligencji laboratoria rywalizowały o nagrodę w wysokości 1 miliona dolarów; ich specjalnie zbudowane pojazdy starają się samodzielnie pokonać 250-kilometrową trasę przez kalifornijską pustynię Mojave. Nie poszło dobrze. „Zwycięska” drużyna pokonała zaledwie 12,2 km w kilka godzin, po czym zatrzymała się z drżeniem. I łapanie ognia.

Półtora dekady, A całe mnóstwo się zmieniło. Samochody autonomiczne z powodzeniem przejechały setki tysięcy mil po rzeczywistych drogach. Nie budzi kontrowersji stwierdzenie, że ludzie prawie na pewno będą bezpieczniejsi w samochodzie kierowanym przez robota niż w samochodzie kierowanym przez człowieka. Jednak chociaż ostatecznie nastąpi punkt krytyczny, w którym każdy samochód na drodze będzie autonomiczny, istnieje również taki moment będzie to chaotyczny etap przejściowy, w którym samochody autonomiczne będą musiały dzielić drogę z pojazdami napędzanymi przez ludzi samochody. Wiesz, kto w tym scenariuszu będzie prawdopodobnie problematyczną stroną? Zgadza się: mięsiści, nieprzewidywalni, czasem ostrożni, czasem podatni na wściekłość na drodze.

Aby spróbować rozwiązać ten problem, naukowcy z Laboratorium Informatyki i Sztucznej Inteligencji (CSAIL) MIT stworzył nowy algorytm, który ma umożliwić samochodom autonomicznym klasyfikację „osobowości społecznych” innych kierowców na stronie droga. W ten sam sposób, w jaki ludzie (często w sposób nienaukowy) próbują ustalić reakcję innych kierowców, gdy mówimy, że poruszanie się na skrzyżowaniu, więc pojazdy autonomiczne będą próbowały dowiedzieć się, z kim mają do czynienia, aby uniknąć wypadków na skrzyżowaniu droga.

„Opracowaliśmy system, który integruje narzędzia psychologii społecznej z procesami decyzyjnymi i kontrolą pojazdów autonomicznych” Wilko Schwartinga, asystent naukowy w MIT CSAIL, powiedział Digital Trends. „Jest w stanie oszacować zachowanie kierowców pod kątem tego, jak bardzo samolubny lub bezinteresowny wydaje się dany kierowca. Zdolność systemu do oszacowania tak zwanej „orientacji wartości społecznych” kierowców pozwala mu lepiej przewidzieć, co zrobi kierowca-człowiek, dzięki czemu może jeździć bezpieczniej”.

Orientacja na wartości społeczne

Ogólnie rzecz biorąc, nasze ramy kierowania funkcjonują całkiem dobrze; dając pierwszeństwo jednemu kierowcy przed drugim, dzieląc nas na pasy kierunkowe i tak dalej. Jednak wciąż jest wiele bardziej subiektywnych momentów, kiedy wiele stron musi dowiedzieć się, jak skoordynować swoje wysiłki, aby wykonać manewr, czasami przy dużych prędkościach. Wiedza, czy masz do czynienia z niecierpliwym kierowcą, który cię potnie, czy z cierpliwym, który to zrobi zaczekanie lub ustąpienie miejsca może oznaczać różnicę między udaną podróżą a napiętym zderzakiem. Fakt, że w samych Stanach Zjednoczonych każdego roku dochodzi do setek tysięcy wypadków związanych ze zmianą pasa ruchu, wjazdem na skrzyżowanie oraz wypadkami przy skręcie w prawo lub w lewo, pokazuje, że ludzie nie do końca opanowali tę subtelną sztukę.

Orientacja na wartości społeczne jest częścią dziedziny współzależnego podejmowania decyzji, skupiającą się na strategicznych interakcjach pomiędzy dwiema lub większą liczbą osób. Jej korzenie sięgają teorii gier, której koncepcje zostały po raz pierwszy zarysowane w wydanej w 1944 roku książce Oskara Morgensteina i Johna von Veumanna pt. Teoria gier i zachowań ekonomicznych.

Ogólna koncepcja jest zasadniczo następująca: agenci mają swoje własne preferencje, które można uporządkować pod względem ich użyteczności (poziomu satysfakcji). W ramach tych parametrów będą działać logicznie, zgodnie z tymi preferencjami. Przekładając się na zachowanie kierowcy, niezależnie od tego, jak nieprzewidywalna może wydawać się droga w godzinach szczytu, wiedza o tym, jak altruistyczna jest prospołeczni, egoistyczni lub konkurencyjni kierowcy wokół ciebie, możesz przewidzieć zachowanie, bez którego dokończysz swoją podróż problem.

Obserwując sposób, w jaki jeżdżą inne samochody, algorytm MIT ocenia innych kierowców pod kątem „nagrody dla innych” w porównaniu z „nagrodą dla innych”. Skala „nagradzaj siebie”. Oznaczałoby to podzielenie innych mieszkańców dróg na kategorie „altruistyczne”, „prospołeczne”, „egoistyczne”, „konkurencyjne”, „sadystyczne”, „sadomasochistyczne”, „masochistyczne” i „męczennicze”. Dowiedziawszy się, że nie wszystkie inne samochody zachowują się w ten sam sposób, zespół wierzy, że ich model może okazać się mile widzianym dodatkiem do systemów samochodów autonomicznych.

„Najpierw przeszkoliliśmy system, modelując scenariusze drogowe, w których każdy kierowca próbował zmaksymalizować własne korzyści użyteczność i analizowanie ich najskuteczniejszych reakcji w świetle decyzji wszystkich innych agentów”, – stwierdził Schwarting. „Narzędzie uwzględnia, w jakim stopniu kierowca porównuje swoją korzyść z korzyścią innego kierowcy, ważoną przez SVO. Na podstawie tego małego fragmentu ruchu innych samochodów nasz algorytm mógł następnie przewidzieć zachowanie otaczających samochodów jako współpracujące, altruistyczne lub egoistyczne podczas interakcji. Skalibrowaliśmy nagrody w oparciu o rzeczywiste dane dotyczące jazdy za pomocą uczenia maszynowego, zasadniczo kodując, jak bardzo kierowcy cenią komfort, bezpieczeństwo lub szybkie dotarcie do celu”.

Przewidywanie zachowań kierowców

W testach zespół wykazał, że ich algorytm może dokładniej przewidywać zachowanie innych samochodów o 25%. Dzięki temu pojazd wiedział, kiedy powinien skręcić w lewo, a kiedy skręcać przed nadjeżdżającym kierowcą.

„Pozwala nam to również zdecydować, jak współpracujący lub egoistyczny powinien być pojazd autonomiczny, w zależności od scenariusza” – kontynuował Schwarting. „Zbyt konserwatywne zachowanie nie zawsze jest najbezpieczniejszą opcją, ponieważ może powodować nieporozumienia i zamieszanie wśród ludzkich kierowców”.

Zespół twierdzi, że algorytm nie jest jeszcze gotowy do wykorzystania w rzeczywistych testach drogowych. Jednak nadal go rozwijają i uważają, że jego zastosowania mogą wykraczać poza to opisane tutaj. Po pierwsze, obserwacja innych samochodów może pomóc przyszłym pojazdom autonomicznym nauczyć się wykazywać cechy bardziej ludzkie, które będą łatwiejsze do zrozumienia dla ludzkich kierowców.

„[Ponadto] może to być przydatne nie tylko w przypadku samochodów w pełni autonomicznych, ale także w przypadku istniejących samochodów, których używamy” – powiedział Schwarting. „Wyobraźmy sobie na przykład, że samochód nagle wjeżdża w Twoje martwe pole. Dzięki systemowi [opracowaliśmy] możesz otrzymać ostrzeżenie w lusterku wstecznym, że samochód w twoim martwym polu ma agresywnego kierowcę, co może być szczególnie cenną informacją”.

Następnie badacze mają nadzieję zastosować model do pieszych, rowerów i innych czynników, które mogą pojawić się w środowisku jazdy. „Chcielibyśmy także przyjrzeć się innym systemom robotycznym, które muszą z nami współdziałać, takim jak roboty domowe” – zauważył Schwarting.

Zalecenia redaktorów

• Volkswagen uruchamia w USA własny program testowania samochodów autonomicznych
• Według plotek samochód Apple może kosztować tyle samo, co Tesla Model S
• Były pracownik Apple przyznaje się do wykradzenia tajemnic Apple Car
• Funkcjonariusze zdezorientowani zatrzymują pusty, autonomiczny samochód
• Jak duży niebieski van z 1986 roku utorował drogę samochodom autonomicznym