MIT uči samovozeče avtomobile, kako psihoanalizirati ljudi na cesti

Marca 2004 je Agencija za napredne obrambne raziskovalne projekte ZDA (DARPA) organizirala poseben dogodek Grand Challenge, da bi preizkusila obljube – ali pomanjkanje – trenutne generacije samovozečih avtomobilov. Udeleženci iz svetovnega vrha A.I. laboratoriji so se potegovali za nagrado v višini 1 milijon dolarjev; njihova po meri izdelana vozila poskušajo po svojih najboljših močeh avtonomno krmariti po 142 milj dolgi poti skozi kalifornijsko puščavo Mojave. Ni šlo dobro. »Zmagovalni« ekipi je v nekaj urah uspelo prepotovati le 12,4 milje, preden se je drhteče ustavila. In se vname.

Desetletje in pol, a veliko se je spremenilo. Samovozeči avtomobili so uspešno prevozili na stotine tisoč milj po dejanskih cestah. Ni sporno reči, da bodo ljudje skoraj zagotovo varnejši v avtomobilu, ki ga vozi robot, kot v avtomobilu, ki ga vozi človek. Čeprav bo sčasoma prišlo do prelomne točke, ko bo vsak avto na cesti avtonomen, obstaja tudi bo neurejena vmesna faza, ko si bodo morali samovozeči avtomobili deliti cesto s človeškimi avtomobili avtomobili. Ali veste, kdo bodo verjetno problematične strani v tem scenariju? Tako je: mesnati, nepredvidljivi, včasih previdni, včasih nagnjeni k jezi na cesti.

Da bi poskušali rešiti to težavo, so raziskovalci iz Laboratorija za računalništvo in umetno inteligenco MIT (CSAIL) je ustvaril nov algoritem, ki naj bi samovozečim avtomobilom omogočil razvrščanje "družbenih osebnosti" drugih voznikov na cesta. Na enak način, kot ljudje (pogosto neznanstveno) poskušajo ugotoviti odzive drugih voznikov, ko se recimo premikamo na križišču, zato bodo avtonomna vozila poskušala ugotoviti, s kom imajo opravka, da bi se izognila nesrečam na cesta.

"Razvili smo sistem, ki integrira orodja iz socialne psihologije v odločanje in nadzor avtonomnih vozil," Wilko Schwarting, raziskovalni asistent na MIT CSAIL, je povedal za Digital Trends. »Zmožen je oceniti vedenje voznikov glede na to, kako sebičen ali nesebičen se zdi določen voznik. Sposobnost sistema, da oceni voznikovo tako imenovano 'socialno vrednotno usmerjenost', mu omogoča, da bolje napove, kaj bodo storili človeški vozniki, in tako lahko vozi varneje.«

Družbena vrednotna usmerjenost

Na splošno naši pogonski okviri delujejo dokaj dobro; dajanje prednosti enemu vozniku pred drugim, razdelitev na smerne pasove ipd. Še vedno pa obstaja veliko bolj subjektivnih trenutkov, ko mora več udeležencev ugotoviti, kako uskladiti svoja prizadevanja za dokončanje manevra, včasih pri visokih hitrostih. Vedeti, ali imate opravka z nepotrpežljivim voznikom, ki vas bo prerezal, ali potrpežljivim, ki vas čakanje ali umik lahko pomeni razliko med uspešnim potovanjem in obremenjenim upogibanjem blatnikov. Dejstvo, da se vsako leto samo v Združenih državah zgodi na stotine tisoč nesreč zaradi menjave voznega pasu, združevanja in zavijanja v desno ali levo, kaže, da ljudje še nismo povsem obvladali te subtilne umetnosti.

Usmerjenost v družbene vrednote je del področja soodvisnega odločanja, ki obravnava strateške interakcije med dvema ali več ljudmi. Temelji na teoriji iger, katere koncepti so bili prvič orisani v knjigi Oskarja Morgensteina in Johna von Veumanna iz leta 1944 z naslovom Teorija iger in ekonomskega vedenja.

Široka ideja je v bistvu naslednja: agenti imajo svoje lastne preference, ki jih je mogoče razvrstiti glede na njihovo uporabnost (stopnjo zadovoljstva). Znotraj teh parametrov bodo delovali logično, v skladu s temi preferencami. Prevedeno v vedenje med vožnjo, ne glede na to, kako nepredvidljiva se zdi cesta v prometni konici, z zavedanjem, kako altruistično, vozniki okoli vas so prosocialni, egoistični ali tekmovalni, lahko predvidite vedenje, da boste svojo pot zaključili brez problem.

Z opazovanjem načina vožnje drugih avtomobilov algoritem MIT oceni druge voznike glede na "nagrado drugim" v primerjavi z. lestvica »nagrada sebi«. To bi pomenilo razvrščanje sostanovalcev na cestah v »altruistične«, »prosocialne«, »egoistične«, »tekmovalne«, »sadistične«, »sadomazohistične«, »mazohistične« in »mučeniške« kategorije. Z učenjem, da se vsi drugi avtomobili ne obnašajo enako, ekipa verjame, da bi se njihov model lahko izkazal za dobrodošel dodatek k sistemom samovozečih avtomobilov.

»Sistem smo najprej usposobili z modeliranjem cestnih scenarijev, kjer je vsak voznik poskušal čim bolj izkoristiti svoje uporabnost in analiziranje njihovih najučinkovitejših odzivov v luči odločitev vseh drugih agentov,« je dejal Schwarting. »Koristnost vključuje, koliko voznik uteži svojo lastno korist glede na korist drugega voznika, ki jo uteži SVO. Na podlagi tega drobnega delčka gibanja drugih avtomobilov bi lahko naš algoritem nato predvidel vedenje okoliških avtomobilov kot kooperativno, altruistično ali egoistično med interakcijami. Nagrade smo umerili na podlagi resničnih podatkov o vožnji s strojnim učenjem, pri čemer smo v bistvu kodirali, koliko človeški vozniki cenijo udobje, varnost ali hitro doseganje cilja.«

Napovedovanje obnašanja voznikov

V testih je ekipa pokazala, da lahko njihov algoritem natančneje predvidi obnašanje drugih avtomobilov za faktor 25 %. To je pomagalo vozilu vedeti, kdaj bi moralo, ko je zavijalo levo, namesto da bi zavijalo pred nasproti vozečega voznika.

"Prav tako nam omogoča, da se odločimo, kako kooperativno ali egoistično naj bo avtonomno vozilo glede na scenarij," je nadaljeval Schwarting. "Preveč konzervativno vedenje ni vedno najvarnejša možnost, ker lahko povzroči nesporazume in zmedo med človeškimi vozniki."

Ekipa pravi, da algoritem še ni pripravljen za najboljši čas v smislu resničnega cestnega testiranja. Vendar ga še naprej razvijajo in menijo, da bi se njegove aplikacije lahko razširile še dlje od tiste, ki je opisana tukaj. Prvič, opazovanje drugih avtomobilov bi lahko pomagalo prihodnjim samovozečim vozilom, da se naučijo izkazovati bolj človeške lastnosti, ki jih bodo človeški vozniki lažje razumeli.

"[Poleg tega] bi to lahko bilo uporabno ne le za popolnoma samovozeče avtomobile, ampak tudi za obstoječe avtomobile, ki jih uporabljamo," je dejal Schwarting. »Na primer, predstavljajte si, da avto nenadoma zapelje v vaš mrtvi kot. S sistemom [ki smo ga razvili] boste morda v vzvratnem ogledalu prejeli opozorilo, da ima avto v vašem mrtvem kotu agresivnega voznika, kar bi lahko bila še posebej dragocena informacija.«

Nato raziskovalci upajo, da bodo model uporabili za pešce, kolesarje in druge agente, ki se lahko pojavijo v voznih okoljih. "Radi bi pogledali tudi druge robotske sisteme, ki morajo komunicirati z nami, kot so gospodinjski roboti," je opozoril Schwarting.

Priporočila urednikov

• Volkswagen začenja lasten program testiranja samovozečih avtomobilov v ZDA
• Applov avtomobil, o katerem se govori, bi lahko stal enako kot Tesla Model S
• Nekdanji uslužbenec Appla priznal krivdo za prilastitev skrivnosti Apple Car
• Policisti zmedeni, ko ustavljajo prazen samovozeči avto
• Kako je velik modri kombi iz leta 1986 utrl pot samovozečim avtomobilom