Μοντέλα και πλατφόρμες AI

Έρευνα για τη συμπεριφορά των ανθρώπων βοηθά τα αυτονομικά οχήματα να προβλέπουν τις διαβάσεις πεζών

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Έρευνα από το Πανεπιστήμιο του Λιντς μπορεί να βοηθήσει τα αυτονομικά οχήματα να γίνουν πιο φιλικά προς τους ανθρώπους. Ερευνώντας τον τρόπο για να κατανοήσουν καλύτερα τη συμπεριφορά των ανθρώπων στην κυκλοφορία, οι νευροεπιστημονικές θεωρίες για το πώς ο εγκέφαλος λαμβάνει αποφάσεις μπορούν να επιτρέψουν στην τεχνολογία των αυτονομικών οχημάτων να προβλέπουν πότε οι πεζοί θα διασχίσουν το δρόμο.

Μοντέλο Drift Diffusion

Το μοντέλο λήψης αποφάσεων που εξετάστηκε από την ομάδα των ερευνητών ονομάζεται drift diffusion και μπορεί να χρησιμοποιηθεί σε σενάρια που εμπλέκονται με ένα αυτοκίνητο που δίνει προτεραιότητα σε einen πεζό, με ή χωρίς σήματα. Μέσω αυτής της ικανότητας πρόβλεψης, το αυτονομικό όχημα θα μπορούσε να επικοινωνήσει πιο αποτελεσματικά με τους πεζούς. Θα επιτύγχανα μια καλύτερη κατανόηση των κινήσεών τους στην κυκλοφορία και των εξωτερικών σημάτων, όπως των αναβοσβήσεων των φανών, που θα βοηθούσαν να μεγιστοποιηθεί η ροή της κυκλοφορίας και να μειωθεί η αβεβαιότητα.

Τα μοντέλα drift diffusion βασίζονται στην υπόθεση ότι οι άνθρωποι λαμβάνουν αποφάσεις αφού συσσωρεύουν αισθητηριακά στοιχεία μέχρι ένα όριο, στο οποίο σημείο λαμβάνεται η απόφαση.

Ο καθηγητής Gustav Markkula είναι από το Ινστιτούτο Μεταφορών του Πανεπιστημίου του Λιντς. Είναι ο βασικός συγγραφέας της μελέτης.

«Όταν λαμβάνουν την απόφαση να διασχίσουν, οι πεζοί φαίνεται να προσθέτουν πολλά διαφορετικά είδη στοιχείων, όχι μόνο σχετικά με την απόσταση και την ταχύτητα του οχήματος, αλλά και χρησιμοποιώντας επικοινωνιακά σήματα από το όχημα σε σχέση με την επιβράδυνση και τις αναβοσβήσεις των φανών», είπε ο καθηγητής Markkula.

«Όταν ένα όχημα δίνει προτεραιότητα, οι πεζοί συχνά αισθάνονται khá αβέβαιοι σχετικά με το αν το αυτοκίνητο πραγματικά δίνει προτεραιότητα και συχνά περιμένουν μέχρι το αυτοκίνητο να έχει σχεδόν σταματήσει完全 πριν αρχίσουν να διασχίζουν», συνέχισε. «Το μοντέλο μας δείχνει σαφώς αυτή την κατάσταση αβεβαιότητας, που σημαίνει ότι μπορεί να χρησιμοποιηθεί για να βοηθήσει στη σχεδίαση του πώς τα αυτονομικά οχήματα θα συμπεριφέρονται γύρω από τους πεζούς για να περιορίσουν την αβεβαιότητα, που μπορεί να βελτιώσει και την ασφάλεια της κυκλοφορίας και την ροή της κυκλοφορίας».

«Είναι ενθαρρυντικό να δούμε ότι αυτές οι θεωρίες από την γνωστική νευροεπιστήμη μπορούν να εισαχθούν σε αυτό το είδος πραγματικού κόσμου και να βρουν μια εφαρμοσμένη χρήση».

Δοκιμή του Μοντέλου

Η ομάδα αποφάσισε να δοκιμάσει το μοντέλο με εικονική πραγματικότητα. Οι συμμετέχοντες τοποθετήθηκαν σε διάφορες καταστάσεις διασχίσεως δρόμου μέσα στο симουλάτορ πεζών HIKER (Highly Immersive Kinematic Experimental Research) του πανεπιστημίου. Οι κινήσεις τους καταγράφηκαν ενώ περπατούσαν ελεύθερα μέσα σε một stereoscopic 3D εικονική σκηνή που παρουσίαζε επερχόμενα οχήματα. Οι συμμετέχοντες είπαν να διασχίσουν το δρόμο όταν αισθανθούν αρκετά ασφαλείς.

Οι ερευνητές δοκιμάσαν πολλά διαφορετικά σενάρια, συμπεριλαμβανομένης της προσέγγισης του οχήματος με σταθερή ταχύτητα και επιβράδυνσης για να αφήσει τον πεζό να διασχίσει. Το όχημα μερικές φορές αναβόσβησε τα φανάρια του για να σηματοδοτήσει μια διάσχιση.

Οι δοκιμές έδειξαν ότι οι συμμετέχοντες φαίνεται να προσθέτουν τα αισθητηριακά δεδομένα από την απόσταση, την ταχύτητα, την επιτάχυνση και τα επικοινωνιακά σήματα πριν λάβουν απόφαση για πότε να διασχίσουν το δρόμο. Αυτό έδειξε στην ομάδα ότι το μοντέλο drift diffusion μπορεί να προβλέψει αν και πότε οι πεζοί θα διασχίσουν το δρόμο.

«Αυτά τα ευρήματα μπορούν να βοηθήσουν να παρέχουν μια καλύτερη κατανόηση της συμπεριφοράς των ανθρώπων στην κυκλοφορία, που είναι απαραίτητη και για την βελτίωση της ασφάλειας της κυκλοφορίας και για την ανάπτυξη αυτονομικών οχημάτων που μπορούν να συνυπάρξουν με τους ανθρώπινους χρήστες του δρόμου», είπε ο καθηγητής Markulla.

“Η ασφαλής και ανθρώπινης αποδοχής αλληλεπίδραση με τους πεζούς είναι μια μεγάλη πρόκληση για τους développers των αυτονομικών οχημάτων, και μια καλύτερη κατανόηση του πώς οι πεζοί συμπεριφέρονται θα είναι το κλειδί για να επιτρέψουν这一點».

Σύμφωνα με τον βασικό συγγραφέα Δρ. Jami Pekkanen, «Η πρόβλεψη των αποφάσεων και της αβεβαιότητας των πεζών μπορεί να χρησιμοποιηθεί για να βελτιστοποιήσει πότε και πώς το όχημα πρέπει να επιβραδύνει και να σηματοδοτήσει για να επικοινωνήσει ότι είναι ασφαλές να διασχίσει, σώζοντας χρόνο και προσπάθεια και για τους δύο».

Ο Alex ηγείται των λειτουργιών ειδήσεων με τεχνητή νοημοσύνη της Unite.AI, συνδυάζοντας δημοσιογραφία, έρευνα και αυτοματοποίηση για να υποστηρίξει έγκαιρη και κλιμακώσιμη κάλυψη της τεχνητής νοημοσύνης. Η δουλειά του βοηθά να διασφαλιστεί ότι οι αναδυόμενες εξελίξεις στην AI προβάλλονται αποτελεσματικά, διατηρώντας τα δημοσιογραφικά πρότυπα της έκδοσης.