У Массачусетському технологічному інституті навчають безпілотні автомобілі психоаналізу людей на дорозі

У березні 2004 року Агентство передових оборонних дослідницьких проектів США (DARPA) організувало спеціальний захід Grand Challenge, щоб перевірити обіцянки – або їх відсутність – самокерованих автомобілів сучасного покоління. Учасники з провідних світових лабораторій штучного інтелекту змагалися за приз у розмірі 1 мільйона доларів США; їхні спеціально побудовані автомобілі намагалися з усіх сил автономно проїхати 142-мильний маршрут через каліфорнійську пустелю Мохаве. Це не пройшло добре. Команда-переможець зуміла проїхати лише 7,4 милі за кілька годин, перш ніж здригнутися і зупинитися. І загорілася.

• Орієнтація на соціальні цінності
• Прогнозування поведінки водіїв

За півтора десятиліття багато чого змінилося. Безпілотні автомобілі успішно проїхали сотні тисяч кілометрів по реальних дорогах. Не викликає сумнівів той факт, що люди майже напевно будуть в більшій безпеці в машині, керованій роботом, ніж в машині, керованій людиною. Однак, хоча в кінцевому підсумку настане переломний момент, коли кожен автомобіль на дорозі буде автономним, також буде і безладний проміжний етап, коли самокерованим автомобілям доведеться ділити дорогу з автомобілями, керованими людиною. Знаєте, хто може бути проблемною стороною в цьому сценарії? Правильно: м’ясисті, непередбачувані, іноді обережні, іноді схильні до дорожньої люті люди.

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

• Ford і VW закривають підрозділ з розробки автономних автомобілів Argo AI
• Drive Concierge від Nvidia заповнить ваш автомобіль екранами
• Ми протестували технологію безпілотного Mercedes настільки просунуту, що її не дозволили в США.

“Ми розробили систему, яка інтегрує інструменти соціальної психології в процес прийняття рішень і управління автономними транспортними засобами”, – розповів Digital Trends Вілко Швартінг, науковий співробітник MIT CSAIL. “Вона здатна оцінювати поведінку водіїв з точки зору того, наскільки егоїстичним або безкорисливим здається конкретний водій. Здатність системи оцінювати так звану “Орієнтацію на соціальні цінності” водіїв дозволяє їй краще прогнозувати поведінку людей-водіїв і, таким чином, підвищити безпеку водіння”.

Орієнтація на соціальні цінності

В цілому, наша система регулювання дорожнього руху функціонує досить добре, надаючи пріоритет одному водієві перед іншим, розділяючи нас на смуги руху, тощо. Але є ще багато більш суб’єктивних моментів, коли кілька сторін повинні з’ясувати, як скоординувати свої зусилля для завершення маневру, іноді на високих швидкостях. Знання того, чи маєте ви справу з нетерплячим водієм, який збирається вас підрізати, чи з терплячим, який почекає або поступиться дорогою, може означати різницю між успішною поїздкою та небезпечною аварією. Той факт, що тільки в Сполучених Штатах щорічно відбуваються сотні тисяч аварій, пов’язаних зі зміною смуги руху, злиттям смуг, поворотом праворуч або ліворуч, свідчить про те, що люди ще не зовсім оволоділи цим тонким мистецтвом.

Орієнтація на соціальні цінності є частиною області прийняття взаємозалежних рішень, що розглядає стратегічні взаємодії між двома або більше людьми. Вона базується на теорії ігор, концепції якої вперше були викладені в книзі Оскара Моргенштейна та Джона фон Веймана “Теорія ігор та економічна поведінка”, що вийшла в 1944 році.

Основна ідея полягає в наступному: Агенти мають власні переваги, які можна впорядкувати з точки зору їх корисності (рівня задоволення). В межах цих параметрів вони будуть діяти логічно, відповідно до цих переваг. Перекладаючи це на поведінку водія, незалежно від того, наскільки непередбачуваною може здаватися дорога в годину пік, знаючи, наскільки альтруїстичними, просоціальними, егоїстичними або конкурентними можуть бути водії навколо вас, ви можете спрогнозувати поведінку, щоб завершити свою подорож без проблем.

Соціальна поведінка для автономних транспортних засобів

Спостерігаючи за тим, як їздять інші автомобілі, алгоритм MIT оцінює інших водіїв за шкалою “винагорода для інших” проти “винагороди для себе”. Це означає сортування інших учасників дорожнього руху на “альтруїстичні”, “просоціальні”, “егоїстичні”, “конкурентні”, “садистичні”, “садомазохістські”, “мазохістські” та “мученицькі” категорії. Дізнавшись, що не всі інші автомобілі поводяться однаково, команда вважає, що їхня модель може стати корисним доповненням до самокерованих автомобільних систем.

“Спочатку ми тренували систему, моделюючи дорожні сценарії, де кожен водій намагався максимізувати власну корисність і аналізував свої найефективніші реакції в світлі рішень всіх інших агентів”, – сказав Швартінг. “Корисність включає в себе те, наскільки водій зважує власну вигоду порівняно з вигодою іншого водія, зваженою SVO. На основі цього крихітного фрагмента руху інших автомобілів наш алгоритм може передбачити поведінку оточуючих автомобілів як кооперативну, альтруїстичну або егоїстичну під час взаємодії. Ми відкалібрували винагороду на основі реальних даних про водіння за допомогою машинного навчання, по суті, закодувавши, наскільки водії цінують комфорт, безпеку або швидке досягнення своєї мети”.

Прогнозування поведінки водіїв

В ході випробувань команда показала, що їх алгоритм може більш точно передбачати поведінку інших автомобілів в 25% разів. Це допомогло автомобілю дізнатися, коли він повинен повертати ліворуч, а не розвертатися перед зустрічним водієм.

“Це також дозволяє нам вирішувати, наскільки кооперативним або егоїстичним повинен бути автономний автомобіль в залежності від сценарію”, – продовжив Швартінг. “Діяти надмірно консервативно не завжди є найбезпечнішим варіантом, оскільки це може викликати непорозуміння і плутанину серед людей-водіїв”.

Команда каже, що алгоритм ще не готовий до прайм-тайму з точки зору реальних дорожніх випробувань. Але вони продовжують розробляти його і вважають, що його застосування може вийти навіть далі за межі описаного тут. З одного боку, спостереження за іншими автомобілями може допомогти майбутнім самокерованим транспортним засобам навчитися демонструвати більш людські риси, які буде легше зрозуміти водіям.

“Крім того, це може бути корисно не тільки для повністю безпілотних автомобілів, але і для існуючих автомобілів, якими ми користуємося”, – сказав Швартінг. “Наприклад, уявіть, що автомобіль раптово потрапляє у вашу сліпу зону. З розробленою нами системою 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 об’єктів, які можуть з’являтися у дорожньому середовищі. “Ми також хотіли б розглянути інші роботизовані системи, які повинні взаємодіяти з нами, наприклад, домашні роботи”, – зазначив Швартінг.

Рекомендації редакції

• За чутками, автомобіль Apple може коштувати стільки ж, скільки Tesla Model S
• Tesla сподівається, що повна бета-версія безпілотного водіння з’явиться в усьому світі до кінця 2022 року
• Колишній співробітник Apple визнав себе винним у викраденні секретів Apple Car
• Подивіться на футуристичне роботаксі від Baidu
• Проект Apple Car продовжує відхилятися, стверджується в доповіді

Source: digitaltrends.com