Analisis komprehensif empat strategi pemanduan autonomi utama

Pengenalan

Penyelidikan semasa mengenai strategi pemanduan autonomi masih memfokuskan pada pelaksanaan strategi khusus dalam senario tertentu sedang berusaha mengenai pengangkutan Persidangan teratas dalam bidang itu menerbitkan ulasan komprehensif untuk menganalisis strategi pemanduan autonomi dari perspektif yang lebih maju.

Apabila pemanduan autonomi bertemu dengan kereta mesyuarat, adakah ia perlu berlalu dahulu atau menunggu untuk memberi laluan?

Strategi pemanduan autonomi sentiasa menjadi isu teras dalam bidang ini, iaitu bagaimana kenderaan autonomi harus berinteraksi secara munasabah dan cekap dengan peserta trafik lain di kawasan konflik trafik.

Strategi yang terlalu radikal atau terlalu konservatif akan memberi kesan kepada kecekapan trafik malah boleh mengancam keselamatan nyawa penumpang.

Penyelidikan terdahulu mengenai strategi pemanduan autonomi tertumpu terutamanya pada tingkah laku pemanduan terperinci peringkat rendah atau keadaan trafik tertentu, iaitu, "analisis khusus masalah khusus", menghasilkan kod kejuruteraan Mungkin terdapat beribu-ribu if-else, dan pada masa ini terdapat kekurangan penyelidikan mengenai strategi pemanduan lanjutan.

Walaupun penyelidik menunjukkan minat yang semakin meningkat dalam strategi pemanduan, masih tiada jawapan yang komprehensif tentang cara melaksanakan pemanduan selamat secara proaktif.

Baru-baru ini, hasil penyelidikan bersama Universiti Tsinghua, Institut Automasi Akademi Sains China dan Institut Penyelidikan Intel China telah dibentangkan dalam Analisis dan Pencegahan Kemalangan, jurnal antarabangsa teratas dalam bidang keselamatan lalu lintas (jurnal SSCI pertama dalam bidang pengangkutan, JCR Q1 pembentangan awam dan pembentangan lisan telah diberikan pada simposium tahunan 2021 dan memenangi anugerah kertas terbaik tahunan jurnal itu.

Pautan kertas: https://www.sciencedirect.com/science/article/abs/pii/S0001457520317577#!

Selepas menganalisis beberapa strategi pemanduan perwakilan, penulis mencadangkan tiga dimensi ciri yang penting untuk mengukur strategi pemanduan: objektif pilihan, selera risiko dan cara kolaboratif.

Menurut tiga dimensi ciri ini, penyelidik membahagikan strategi pemanduan kenderaan autonomi sedia ada kepada empat jenis: strategi pemanduan bertahan, strategi pemanduan kompetitif, strategi pemanduan berunding dan strategi pemanduan koperasi, dan membandingkan Empat strategi tersebut dibandingkan dan arah yang mungkin untuk menambah baik reka bentuk strategi pemanduan lanjutan dikenal pasti.

Penulis percaya apabila berhadapan dengan aliran trafik yang bercampur (kereta pandu sendiri dan kereta tradisional) yang akan wujud dalam jangka masa yang lama, mekanisme rundingan hak laluan perlu diperkenalkan secara aktif untuk mendamaikan percanggahan tersebut. antara niat individu.

Pengarang kertas kerja yang sepadan ialah Dr. Li Zhiheng, yang kini merupakan profesor madya dan penyelia kedoktoran di Sekolah Siswazah Shenzhen Universiti Tsinghua. Mendapat PhD dalam Kejuruteraan daripada Jabatan Automasi, Jabatan Sains Kawalan dan Kejuruteraan, Universiti Tsinghua pada tahun 2009. Arah penyelidikan utama ialah: sistem pengangkutan pintar, sistem kawalan isyarat lalu lintas, perancangan pengurusan lalu lintas, sistem pengangkutan awam pintar, penyelidikan data besar pengangkutan pintar, dsb. Menjadi tuan rumah dan mengambil bahagian dalam lebih daripada 10 projek peringkat kebangsaan.

Masa depan pemanduan autonomi

Dalam beberapa tahun kebelakangan ini, harapan tinggi telah diletakkan pada teknologi pemanduan autonomi, dan secara amnya dipercayai ia berpotensi untuk membentuk semula keseluruhan bidang pengangkutan jalan raya dan menyelesaikan banyak masalah trafik praktikal, seperti kebolehcapaian jalan raya , kecekapan pengangkutan, kemudahan, dan terutamanya keselamatan.

Walau bagaimanapun, semakin ramai penyelidik secara beransur-ansur mendapati bahawa mengajar kereta pandu sendiri untuk "memandu dengan selamat" bukanlah tugas yang mudah. Ambil pusingan kiri sebagai contoh Kajian 2010 oleh Jabatan Pengangkutan A.S. meneliti lebih daripada 2 juta kemalangan dan mendapati bahawa belok kiri adalah dua puluh kali lebih mungkin menyebabkan kemalangan daripada ketua pasukan tingkah laku Waymo, gergasi itu dalam bidang pemanduan autonomi, jurutera perisian Nathaniel Fairfield percaya bahawa pusingan kiri tanpa perlindungan adalah salah satu perkara yang paling sukar dalam pemanduan autonomi Profesor John Leonard dari Jabatan Kejuruteraan Mekanikal MIT juga mengakui bahawa pemanduan autonomi mempunyai banyak cabaran setiap hari, dan pusingan kiri; hampir berada di bahagian atas senarai masalah.

Pasukan penyelidik kerja ini percaya bahawa punca penting masalah keselamatan seperti perlanggaran belok kiri adalah perbezaan dalam strategi makro yang digunakan oleh kenderaan yang berbeza semasa berinteraksi. Berbeza daripada strategi mikro yang memfokuskan pada senario tertentu atau gelagat pemanduan khusus, strategi makro ialah abstraksi elemen tipikal proses membuat keputusan dan ditentukan oleh asas perkakasan strategi pemanduan autonomi dan mekanisme membuat keputusan.

Oleh itu, kerja ini terutamanya membincangkan strategi makro yang perlu dipatuhi oleh kereta pandu sendiri bagi mengelakkan risiko perlanggaran yang disebabkan oleh salah sangka semasa berinteraksi dengan peserta trafik yang lain, supaya dapat melepasi konflik lalu lintas dalam kawasan yang teratur.

Dalam kerja ini, selepas menyemak penyelidikan sedia ada, pasukan penyelidik mencadangkan dua dimensi utama untuk mengukur strategi pemacu makro:

• Kesanggupan untuk bekerjasama, iaitu subjek pemanduan Sama ada anda bersedia untuk melepaskan sebahagian daripada kepentingan individu anda sebagai pertukaran untuk kepentingan keseluruhan
• Keutamaan risiko, iaitu sikap subjek memandu terhadap potensi risiko yang dibawa oleh strategi pemanduan.

Berdasarkan penekanan berbeza antara minat keseluruhan (kecekapan trafik persekitaran, dsb.) dan minat individu (kelajuan berbasikal), strategi pemanduan biasa sedia ada boleh dibahagikan kepada dua jenis: "pemanduan konfrontasi" dan " pemanduan koperasi" jenis.

Antaranya, mengikut keutamaan risiko yang berbeza, strategi pemanduan konfrontasi dibahagikan lagi kepada "strategi pemanduan defensif" yang mengelak risiko yang mengutamakan penunjuk keselamatan dan "strategi pemanduan kompetitif" neutral risiko yang mengutamakan penunjuk kelajuan.

Strategi pemanduan koperasi boleh dibahagikan kepada "strategi pemanduan negotiative" yang tidak bergantung pada peralatan komunikasi aktif dan "strategi pemanduan kolaboratif" yang bergantung pada peralatan komunikasi aktif (Internet of Vehicles, V2V, dll.) ( Rajah 1).

Rajah 1: Empat jenis strategi pemacu makro biasa

Dalam kerja ini, pasukan penyelidik memfokuskan pada empat tipikal di atas strategi memandu Mekanisme operasi, tugas teras, logik interaksi, mekanisme membuat keputusan dan asas perkakasan strategi disemak dan dianalisis.

Secara khusus, strategi pemanduan defensif ditakrifkan sebagai: menerima pakai andaian tidak rasional tentang kenderaan lain (iaitu, mempercayai bahawa kebarangkalian tingkah laku tidak rasional adalah tinggi), dan menetapkan bahawa kenderaan autonomi membuat keputusan bebas dengan tujuan teras memastikan keselamatan mereka sendiri strategi memandu.

Strategi pemanduan kompetitif ditakrifkan sebagai strategi pemanduan yang menggunakan andaian rasional tentang kenderaan lain (iaitu, percaya bahawa kebarangkalian tingkah laku tidak rasional adalah rendah) dan menetapkan bahawa kenderaan autonomi membuat keputusan bebas dengan tujuan teras meningkatkan kecekapan mereka sendiri.

Strategi pemanduan rundingan ditakrifkan sebagai: Berdasarkan pemahaman tingkah laku pemanduan tradisional, kenderaan autonomi menjalankan rundingan yang munasabah dan membuat keputusan bersama dengan kenderaan lain sebagai pertukaran untuk strategi pemanduan yang mengambil kira kecekapan dan keselamatan. .

Strategi pemanduan koperatif ditakrifkan sebagai: Dengan sokongan teknologi Internet Kenderaan, kenderaan autonomi bekerjasama dengan kenderaan lain dan menerima arahan penghantaran bersatu untuk mencapai pengoptimuman global.

Kemudian, pasukan membincangkan dengan lebih lanjut kebaikan, keburukan dan ciri-ciri empat strategi ini.

Dengan perkembangan teknologi pemanduan autonomi pada abad ini, strategi pemanduan defensif mula-mula dicadangkan kerana terdapat banyak persamaan antara strategi pemanduan ini dan peraturan pemanduan manusia Matlamat utama adalah untuk menghapuskan atau mengurangkan potensi risiko dibawa oleh kepastian.

Walau bagaimanapun, kelemahan terbesar pemanduan defensif ialah untuk mengelakkan kemalangan jalan raya berkemungkinan kecil, kereta pandu sendiri mungkin terlalu berlebihan dan konservatif, menyebabkan kecekapan trafik berkurangan.

Sebagai contoh, dalam versi asal model Responsibility Sensitive Safety (RSS) yang dicadangkan oleh pasukan Intel Mobileye [2], kereta pandu sendiri diperlukan untuk mengekalkan jarak selamat yang cukup jauh untuk menghadapi kemungkinan itu. dari kereta di hadapan pada bila-bila masa dengan tingkah laku brek mengejut (Rajah 2).

Kajian lanjut oleh pasukan mendapati bahawa apabila niat kenderaan di hadapan diambil kira dalam membuat keputusan, kereta pandu sendiri boleh memendekkan jarak berikut lebih daripada tiga kali ganda sambil memastikan keperluan keselamatan. Ini menunjukkan bahawa selepas interaksi diperkenalkan, pemanduan bertahan yang lebih baik juga boleh memastikan kecekapan trafik tertentu.

Hasil penyelidikan yang berkaitan juga telah diterbitkan secara terbuka dan diterima pakai oleh Mobileye[3].

Rajah 2: Peruntukan mengenai jarak selamat dalam versi asal RSS yang dikeluarkan oleh Mobileye [2]

Sebagai penyelidikan semakin mendalam, pelbagai kelemahan strategi pemanduan bertahan secara beransur-ansur muncul, seperti kekurangan perancangan jangka panjang, menjejaskan kecekapan trafik, dsb.

Untuk menyelesaikan masalah ini, konsep "pembelajaran" diperkenalkan secara beransur-ansur ke dalam bidang pemanduan autonomi Orang ramai cuba mengajar mesin untuk membuat keputusan antara faedah yang dijangkakan dan potensi risiko berdasarkan pengalaman seperti manusia.

Berdasarkan idea ini, strategi pemanduan kompetitif yang diwakili oleh model pembelajaran pengukuhan MIT Trafik Dalam (Rajah 3) muncul [4].

Berpandukan strategi ini, kenderaan autonomi menganggap trafik jalan raya sebagai proses "permainan dinamik bukan koperasi" dan sentiasa mencari kemungkinan untuk meningkatkan kecekapan pemanduan.

Namun, strategi pemanduan jenis ini selalunya sukar untuk mengelakkan dua masalah:

1. Masalah realisme yang disebabkan oleh simulasi, iaitu "jurang realiti". Algoritma membuat keputusan memandu jenis ini selalunya perlu dijalankan dalam sistem simulasi, dan proses latihan algoritma sangat bergantung kepada maklum balas persekitaran Jadi bagaimana untuk memastikan proses interaksi dalam sistem simulasi cukup realistik ialah a soalan yang mesti dijawab oleh penyelidik;

2. Peningkatan potensi risiko yang disebabkan oleh andaian rasional. Penyelidikan telah mendapati bahawa semasa latihan berlangsung, memandangkan terdapat individu yang jauh lebih rasional daripada individu yang tidak rasional dalam persekitaran simulasi, kereta pandu sendiri mungkin "merasakan kemanisan" daripada tingkah laku berisiko dan menjadi semakin cenderung untuk mengambil tindakan yang radikal[5] . Andaian rasional ini boleh membawa kepada akibat kesesakan lalu lintas di jalan raya sebenar.

Rajah 3: Model keputusan memandu Trafik Dalam MIT [4] (Sumber imej: https://selfdrivingcars.mit.edu/deeptraffic)

Oleh itu, konsep pemanduan berunding telah dicadangkan, yang menyokong pengenalan mekanisme perundingan hak laluan untuk mendamaikan konflik antara niat individu. Pasukan penyelidik merumuskan prinsip yang perlu dipatuhi oleh kenderaan autonomi apabila merundingkan hak laluan dengan kenderaan lain kepada tiga perkara (Rajah 4) [6]:

• Untuk mengendalikan batasan persepsi secara konservatif
• Untuk mengambil interaksi antara kenderaan (termasuk komunikasi tersirat dan komunikasi aktif) ke dalam pertimbangan membuat keputusan ;
• Untuk mengimbangi keselamatan lalu lintas dan kecekapan lalu lintas, iaitu, pertimbangkan ketangkasan strategi.

Berdasarkan perkara ini, pasukan penyelidik telah menerbitkan beberapa kertas kerja membincangkan cara membuat keputusan pemanduan yang berkesan berdasarkan rundingan kanan dalam pelbagai senario trafik biasa [7].

Rajah 4: Tiga prinsip teras yang ditekankan dalam pemanduan selamat [6]

Walau bagaimanapun, pemanduan secara rundingan dihadkan oleh jumlah maklumat komunikasi dan belum lagi dicapai Memaksimumkan penggunaan kapasiti jalan raya. Dengan kematangan teknologi komunikasi aktif dan pembangunan model membuat keputusan kolaboratif teragih dalam beberapa tahun kebelakangan ini, pemanduan kolaboratif global berdasarkan Internet Kenderaan telah menjadi mungkin.

Andaian asas pemanduan kolaboratif ialah semua kenderaan jalan raya melaporkan maklumat status mereka kepada sistem kawalan pusat dan mematuhi sepenuhnya pelan manuver yang diberikan secara seragam oleh sistem untuk kawalan gerakan.

Di bawah andaian ini, kereta pandu sendiri tidak lagi perlu melakukan ramalan trajektori yang kompleks dan penilaian risiko Mereka boleh menggunakan kaedah pengoptimuman atau carian untuk memaksimumkan penggunaan sumber jalan dengan kos pengkomputeran yang minimum (Rajah 5) [8. ,9].

Rajah 5: Perbandingan kelewatan 20 kenderaan yang melepasi persimpangan yang sama di bawah strategi yang berbeza [9]

Enumerasi—Penyelesaian optimum global pemanduan berasaskan enumerasi (kelewatan 315.06s);

MCTS—penyelesaian optimum anggaran berasaskan carian untuk pemanduan koperasi (kelewatan 316.18s);

Terdapat tiga prasyarat untuk merealisasikan pemanduan kolaboratif di atas: di bahagian kenderaan, penggantian pemanduan automatik mesti dilengkapkan dan dilengkapi dengan peralatan komunikasi aktif di tepi jalan, infrastruktur pintar yang padat mesti digunakan sebagai penderiaan dan nod komunikasi ; Dalam awan, rangkaian komunikasi dan pusat kawalan kependaman rendah, konkurensi tinggi mesti diwujudkan.

Ini juga bermakna pemanduan kolaboratif ditakdirkan untuk gagal dalam jangka pendek. Kita mesti serius mempertimbangkan cara menghadapi realiti pemanduan bercampur kereta pandu sendiri dan kereta pandu manusia dalam jangka masa panjang.

Satu isu yang membimbangkan ialah pengeluar kenderaan autonomi yang berbeza mempunyai strategi pemanduan mereka sendiri. Ini mungkin menyebabkan sesetengah kereta pandu sendiri salah menilai strategi kenderaan lain berdasarkan strategi mereka sendiri, yang membawa kepada kemalangan. Oleh itu, penyelidik menyeru untuk mencapai kata sepakat di peringkat strategi pemanduan untuk mencapai pemanduan yang harmoni dan meningkatkan keselamatan pemanduan dengan lebih baik.

Memandangkan tahap kecerdasan mesin secara beransur-ansur menghampiri tahap manusia, cara mesin boleh wujud bersama secara harmoni dengan manusia pada skala yang lebih luas akan menjadi salah satu isu saintifik yang paling penting pada abad ini.

Dalam "Pelan Pembangunan Kepintaran Buatan Generasi Baharu" yang dikeluarkan oleh negara kita, ideologi panduan, matlamat strategik dan tugas utama untuk pembangunan generasi baharu kecerdasan buatan negara saya pada tahun 2030 dicadangkan. Antaranya, kecerdasan buatan untuk kerjasama manusia-mesin adalah hala tuju penyelidikan utama.

Sebagai bidang yang mewakili dalam pembangunan kecerdasan buatan, pemanduan autonomi melibatkan kerjasama manusia-mesin dalam tahap 2-Tahap 5 pemanduan bersama manusia-mesin dan Tahap-4-Tahap 5 pelbagai kerjasama penyelidikan kecerdasan buatan masalah, penyelesaian kepada masalah ini melibatkan persimpangan pemodelan tingkah laku, interaksi manusia-komputer, psikologi dan disiplin lain, dan ia adalah perlu untuk menerima lebih perhatian dan perhatian.

Atas ialah kandungan terperinci Analisis komprehensif empat strategi pemanduan autonomi utama. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!