MIT навчає безпілотні автомобілі психоаналізувати людей на дорозі

У березні 2004 року Агентство перспективних оборонних досліджень США (DARPA) організувало спеціальну подію Grand Challenge, щоб перевірити можливості — або відсутність — безпілотних автомобілів нинішнього покоління. Абітурієнти з кращих у світі ШІ. лабораторії змагалися за приз в 1 мільйон доларів; їхні спеціально виготовлені транспортні засоби намагаються зробити все можливе, щоб автономно пройти маршрут довжиною 142 милі через каліфорнійську пустелю Мохаве. Це не вийшло добре. «Переможна» команда зуміла подолати лише 7,4 милі за кілька годин, перш ніж здригнутися й зупинитись. І загоряється.

Півтора десятиліття, а багато чого змінилося. Безпілотні автомобілі успішно проїхали сотні тисяч миль реальними дорогами. Беззаперечно сказати, що люди майже напевно будуть безпечніші в машині, керованою роботом, ніж у машині, керованою людиною. Однак, хоча з часом настане переломний момент, коли кожен автомобіль на дорозі стане автономним, є також буде безладним проміжним етапом, коли безпілотним автомобілям доведеться ділити дорогу з людьми, керованими людьми автомобілі. Ви знаєте, хто може бути проблемною стороною в цьому сценарії? Саме так: м’ясисті, непередбачувані, іноді обережні, іноді схильні до агресивних дій на дорозі.

Щоб спробувати вирішити цю проблему, дослідники з Лабораторії комп’ютерних наук і штучного інтелекту Массачусетського технологічного інституту (CSAIL) створив новий алгоритм, призначений для того, щоб дозволити безпілотним автомобілям класифікувати «соціальні особистості» інших водіїв на дорога. Так само, як люди (часто ненауково) намагаються з’ясувати реакцію інших водіїв, коли ми, скажімо, рухаємося на перехресті, тому автономні транспортні засоби намагатимуться з’ясувати, з ким вони мають справу, щоб уникнути аварій на дорога.

«Ми розробили систему, яка інтегрує інструменти соціальної психології в процес прийняття рішень і управління автономними транспортними засобами», Вілько Швартінг, науковий співробітник MIT CSAIL, розповів Digital Trends. «Він здатний оцінити поведінку водіїв щодо того, наскільки егоїстичним чи безкорисливим видається конкретний водій. Здатність системи оцінювати так звану «соціальну ціннісну орієнтацію» дозволяє їй краще передбачати, що будуть робити люди-водії, і, отже, керувати безпечніше».

Соціально-ціннісна орієнтація

Загалом наші керівні системи функціонують досить добре; надання пріоритету одному водієві перед іншим, розділення нас на смуги руху тощо. Але є ще багато більш суб’єктивних моментів, коли кільком сторонам доводиться з’ясовувати, як координувати свої зусилля, щоб виконати маневр, іноді на високих швидкостях. Знаючи, чи маєте ви справу з нетерплячим водієм, який збирається вас підрізати, чи з терплячим, який чекати або звільняти дорогу може означати різницю між успішною подорожжю та важким ударом по крилу. Той факт, що тільки в Сполучених Штатах щороку відбуваються сотні тисяч аварій зі зміною смуги руху, переїздом на дорогу та поворотами праворуч чи ліворуч, свідчить про те, що люди ще не зовсім оволоділи цим тонким мистецтвом.

Орієнтація на соціальні цінності є частиною поля взаємозалежного прийняття рішень, що розглядає стратегічну взаємодію між двома або більше людьми. Вона бере свій початок у теорії ігор, концепції якої були вперше викладені в книзі Оскара Моргенштайна та Джона фон Воймана 1944 року під назвою Теорія ігор та економічна поведінка.

Загальна ідея, по суті, полягає в наступному: агенти мають власні переваги, які можна впорядкувати з точки зору їх корисності (рівня задоволеності). У межах цих параметрів вони діятимуть логічно, відповідно до цих уподобань. У перекладі на поведінку за кермом, незалежно від того, наскільки непередбачуваною може здатися дорога в годину пік, знаючи, наскільки альтруїстичним, водії навколо вас можуть бути просоціальними, егоїстичними або конкурентними, ви можете передбачити поведінку, щоб завершити свою подорож без проблема.

Спостерігаючи за тим, як їздять інші автомобілі, алгоритм Массачусетського технологічного інституту оцінює інших водіїв за «винагородою для інших» проти. шкала «винагорода собі». Це означало б розділити товаришів-дорожників на категорії «альтруїстичних», «просоціальних», «егоїстичних», «конкурентних», «садистських», «садомазохістських», «мазохістських» і «мучеників». Дізнавшись, що не всі інші автомобілі поводяться однаково, команда вважає, що їх модель може виявитися бажаним доповненням до систем безпілотного автомобіля.

«Спочатку ми навчили систему, моделюючи дорожні сценарії, де кожен водій намагався максимізувати свій власний корисність та аналіз їхніх найбільш ефективних реакцій у світлі рішень усіх інших агентів», – сказав Швартінг. «Утиліта включає в себе те, наскільки водій оцінює свою власну вигоду проти вигоди іншого водія, зважену SVO. Грунтуючись на цьому крихітному фрагменті руху інших автомобілів, наш алгоритм міг передбачити поведінку навколишніх автомобілів як кооперативну, альтруїстичну чи егоїстичну під час взаємодії. Ми відкалібрували винагороди на основі реальних даних про водіння за допомогою машинного навчання, по суті кодуючи, наскільки люди-водії цінують комфорт, безпеку або швидке досягнення мети».

Прогнозування поведінки водіїв

Під час тестів команда показала, що їхній алгоритм може точніше передбачати поведінку інших автомобілів у 25% разів. Це допомогло транспортному засобу визначити, коли він повинен бути під час повороту ліворуч, а не повертати перед зустрічним водієм.

«Це також дозволяє нам вирішити, наскільки кооперативним чи егоїстичним має бути автономний транспортний засіб залежно від сценарію», — продовжив Швартінг. «Надмірно консервативні дії не завжди є найбезпечнішим варіантом, оскільки це може викликати непорозуміння та плутанину серед водіїв».

Команда каже, що алгоритм ще не готовий до найкращого часу з точки зору реальних дорожніх випробувань. Але вони продовжують його розвивати і вважають, що його застосування може вийти за межі описаного тут. По-перше, спостереження за іншими автомобілями може допомогти майбутнім безпілотним транспортним засобам навчитися демонструвати більше людських рис, які буде легше зрозуміти водіям.

«[Крім того], це може бути корисним не лише для повністю безпілотних автомобілів, але й для існуючих автомобілів, якими ми користуємося», — сказав Швартінг. «Наприклад, уявіть, що у вашу сліпу зону раптово потрапляє машина. За допомогою системи [розробленої нами] ви можете отримати попередження в дзеркалі заднього виду про те, що автомобіль у вашій сліпій зоні має агресивного водія, що може бути особливо цінною інформацією».

Далі дослідники сподіваються застосувати модель до пішоходів, велосипедистів та інших агентів, які можуть з’явитися в середовищі за кермом. «Ми також хотіли б поглянути на інші роботизовані системи, які повинні взаємодіяти з нами, наприклад, побутові роботи», — зазначив Швартінг.

Рекомендації редакції

• Volkswagen запускає власну програму тестування безпілотних автомобілів у США.
• За чутками, автомобіль Apple може коштувати стільки ж, скільки Tesla Model S
• Колишній співробітник Apple визнав себе винним у викраданні секретів Apple Car
• Офіцери збентежені, коли зупиняють порожній безпілотний автомобіль
• Як великий синій фургон 1986 року проклав шлях до безпілотних автомобілів