TU Delft的研究人员现在开发了一个新模型，该模型基于一个基本的“人为”原则来描述驾驶行为：将风险控制在阈值以下。该模型能够准确预测人类在各种驾驶任务中的行为。随着时间的推移，这种模式可以用在智能汽车上，让他们的感觉不再是“机器人”。Sarvesh Kolekar博士和他的导师Joost de Winter和David Abbink进行的这项研究将于2020年9月29日(星期二)发表在《自然通讯》上。

通常，预测最佳路径的模型用于描述驾驶行为。但这不是人们实际驾驶的方式。认知机器人系的研究员Sarvesh Kolekar说，“你不会总是让你的驾驶行为适应最佳路径。”“例如，人们不会在车道中间连续驾驶：只要他们在可接受的车道限制内，那就没问题。”

最佳路径预测模型不仅在研究中很流行，在车辆应用中也很流行。目前，智能汽车驾驶非常整洁。他们一直在寻找最安全的道路：一条速度合适的道路。这就导致了“机器人”的驾驶风格。为了更好地理解人类的驾驶行为，我们试图开发一种新的模型，该模型以人类危险阈值为基本原则。

为了掌握这个概念，科勒卡尔引入了所谓的驾驶员风险场(DRF)。这是一个围绕汽车不断变化的二维场，表明驾驶员认为每个点的风险有多高。Kolekar在之前的研究中设计了这些风险评估。然后考虑DRF风险后果的严重性。例如，在道路边界的一侧有悬崖比放草危险得多。` drf的灵感来自很久以前提出的心理学概念(由吉布森和克鲁克斯在1938年提出)。这些作者声称，司机“感觉到”他们周围的危险区域，并根据这些观点进行交通操作。科勒卡设法将这一理论转化为计算机算法。

随后，科勒卡尔在超车和避障等7种场景下对模型进行了测试。我们将该模型所做的预测与文献中关于人类驾驶行为的实验数据进行了比较。幸运的是，已经有了很多信息。事实证明，我们的模型只需要少量的数据就可以“获取”潜在的人类驾驶行为，甚至可以在之前看不见的条件下预测出合理的人类行为。因此，驾驶行为或多或少是自动的。这是“紧急情况”。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

标签:机器人。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：