为了在动态环境中导航，自主车辆(AV)应该能够处理所有可用的信息，并使用它来生成有效的驾驶策略。加州大学伯克利分校的研究人员最近提出，为了在动态环境中导航，自动驾驶汽车(AV)应该能够处理所有可用的信息，并使用它来生成有效的驾驶策略。加州大学伯克利分校的研究人员最近提出了一项社会感知计划，以规划自动驾驶汽车的行为，这可以帮助开发能够更好地应对周围环境不确定性的自动驾驶汽车。
“我的研究重点是如何设计自动驾驶汽车，以模拟人们的驾驶行为，”进行这项研究的研究人员之一Agnes Sun告诉TechXplore。“我们的目标是建立一个AV，它不仅可以理解人类的行为，还可以在许多方面以类似的方式表现，包括感知、推理和行动。”
孙和她的同事观察到，人类驾驶员倾向于将其他车辆视为动态障碍，通常从他们在道路上的行为中推断出更多信息。这些信息通常是被屏蔽的环境信息或物理上无法检测的社会信息。
孙说：“以同样的方式操作AV是非常重要和有益的，因为这将使他们更聪明，更人性化，最终更安全。”“在这项工作中，我们让自动驾驶汽车将所有其他道路参与者视为动态和分布式传感器。”
孙和他的同事提出的社会感知方案实质上是把道路上所有的车辆和障碍物看作分布在传感器网络中的传感器。这样，视听人员可以通过观察统一更新“信念空间”中不同类型的不确定性，从而观察个体行为和群体行为。该计划特别关注身体状态的不确定性(例如，由遮挡或传感器范围有限引起的)和社会行为的不确定性(例如，局部驾驶偏好)。
然后，该方案将更新后的社会感知信念与基于模型预测控制(MPC)的概率规划框架相结合，模型的代价函数可以通过反向强化学习(IRL)来学习。这种概率规划模块和社会意识增强的结合，使得车辆能够产生社会兼容的防御行为，所以不会太严格。
“通过观察其他人的行为并将其与之前的行为模型进行比较，AV可以对仅使用自己的传感器无法检测到的变量的可能状态进行推断，”孙说。“这可以帮助AV像人一样减少感知的不确定性。与现有的其他方法相比，这项工作的思想在不使用任何其他硬件的情况下有效地扩展了AV的感知能力，并可以帮助产生更安全、更高效的操纵。”
孙和她的同事在一系列典型场景的模拟(传感器遮挡)中评估了他们的框架。他们发现，通过模仿人类的社会感知机制，感知模块可以检测到更少的不确定性，并最终通过非保守的防御计划者产生更安全、更有效的视听行为。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！