Analyse complète de quatre stratégies majeures de conduite autonome

Introduction

Les recherches actuelles sur les stratégies de conduite autonome se concentrent toujours sur la mise en œuvre de stratégies spécifiques dans des scénarios spécifiques. Des chercheurs de l'Université Tsinghua ont publié une étude complète lors de la plus grande conférence dans le domaine des transports, l'analysant dans une perspective plus avancée. Stratégie de conduite autonome.

Lorsqu'une voiture autonome rencontre un véhicule venant en sens inverse, doit-elle passer en premier ou attendre pour céder le passage ?

La stratégie de conduite autonome a toujours été une question centrale dans ce domaine, c'est-à-dire comment les véhicules autonomes doivent interagir de manière raisonnable et efficace avec les autres usagers de la route dans les zones de conflit de circulation.

Une stratégie trop radicale ou trop conservatrice aura un impact sur l'efficacité du trafic et constituera même une menace pour la sécurité des passagers.

Les recherches précédentes sur les stratégies de conduite autonome se sont principalement concentrées sur des comportements de conduite détaillés de bas niveau ou sur des situations de circulation spécifiques, c'est-à-dire « une analyse concrète de problèmes spécifiques », ce qui donne lieu à des milliers de if-else dans le code d'ingénierie. , et il y a actuellement un manque de recherche sur les stratégies de conduite avancées.

Bien que les chercheurs manifestent un intérêt croissant pour les stratégies de conduite, il n'existe toujours pas de réponses complètes sur la manière de mettre en œuvre de manière proactive une conduite sûre.

Récemment, les résultats d'une recherche conjointe de l'Université Tsinghua, de l'Institut d'automatisation de l'Académie chinoise des sciences et de l'Institut de recherche Intel China ont été présentés lors du séminaire annuel 2021 organisé par Accident Analysis and Prevention, la principale revue internationale dans le domaine de la sécurité routière (la première revue SSCI dans le domaine des transports, JCR Q1) Des présentations publiques et des rapports oraux ont été présentés lors de la réunion, et l'article a remporté le prix annuel du meilleur article de la revue.

Lien papier : https://www.sciencedirect.com/science/article/abs/pii/S0001457520317577#!

Après avoir analysé plusieurs stratégies de conduite représentatives, l'auteur a proposé trois paires de dimensions caractéristiques importantes dans la mesure de la stratégie de conduite : objectif privilégié, appétit pour le risque et manière collaborative.

Selon ces trois dimensions caractéristiques, les chercheurs ont divisé les stratégies de conduite existantes des véhicules autonomes en quatre types : stratégie de conduite défensive, stratégie de conduite compétitive, stratégie de conduite négociée et stratégie de conduite coopérative, et ont comparé les quatre stratégies. Une comparaison est faite et les directions possibles pour améliorer la conception de stratégies de conduite avancées sont identifiées.

L'auteur estime que face au flux de trafic mixte (voitures autonomes et voitures traditionnelles) qui existera pendant longtemps, un mécanisme de négociation de droit de passage devrait être activement mis en place pour concilier la contradiction entre les intentions individuelles.

L'auteur correspondant de l'article est le Dr Li Zhiheng, qui est actuellement professeur agrégé et directeur de doctorat à la Shenzhen Graduate School de l'Université Tsinghua. A obtenu un doctorat en ingénierie du Département d'automatisation, Département de science et d'ingénierie de contrôle, Université Tsinghua en 2009. Les principales orientations de recherche sont : les systèmes de transport intelligents, les systèmes de contrôle des feux de circulation, la planification de la gestion du trafic, les systèmes de transports publics intelligents, la recherche sur les mégadonnées de transport intelligents, etc. Hébergé et participé à plus de 10 projets au niveau national.

L'avenir de la conduite autonome

Ces dernières années, la technologie de conduite autonome a placé de grands espoirs en elle. On pense généralement qu'elle a le potentiel de remodeler l'ensemble du domaine du transport routier et de résoudre de nombreux problèmes pratiques de circulation, tels que la route. accessibilité, efficacité du trafic, commodité, en particulier sécurité.

Cependant, de plus en plus de chercheurs découvrent peu à peu qu’apprendre aux voitures autonomes à « conduire en toute sécurité » n’est pas facile. Prenons l'exemple des virages à gauche : une étude réalisée en 2010 par le ministère américain des Transports a examiné plus de 2 millions d'accidents et a révélé que les virages à gauche sont vingt fois plus susceptibles de provoquer des accidents que les virages à droite ; dans le domaine de la conduite autonome, l'ingénieur logiciel Nathaniel Fairfield estime que les virages à gauche non protégés sont l'une des choses les plus difficiles de la conduite autonome ; le professeur John Leonard du département de génie mécanique du MIT a également admis que la conduite autonome présente de nombreux défis chaque jour et que les virages à gauche sont presque en tête de liste des problèmes.

L'équipe de recherche de ce travail estime que la cause essentielle des problèmes de sécurité tels que les collisions avec virage à gauche réside dans les différences dans les stratégies macro adoptées par les différents véhicules lors de l'interaction. Différentes des micro-stratégies qui se concentrent sur des scénarios spécifiques ou des comportements de conduite spécifiques, les macro-stratégies sont une abstraction d'éléments typiques du processus décisionnel et sont déterminées par le fondement matériel de la stratégie de conduite autonome et du mécanisme décisionnel.

Par conséquent, ce travail discute principalement des macro-stratégies que les voitures autonomes devraient suivre pour éviter les risques de collision causés par des erreurs de jugement lors des interactions avec d'autres usagers de la route, afin de traverser les zones de conflit de circulation de manière ordonnée.

Dans ce travail, après avoir examiné les recherches existantes, l'équipe de recherche a proposé deux dimensions principales pour mesurer les stratégies de macro-conduite :

• La volonté de collaborer, c'est-à-dire si le sujet conducteur est prêt à renoncer à une partie en échange d'avantages globaux. Intérêts individuels ;
• Préférence pour le risque, c'est-à-dire l'attitude du sujet conducteur face aux risques potentiels apportés par la stratégie de conduite.

Sur la base de l'accent différent mis entre les intérêts généraux (efficacité du trafic environnemental, etc.) et les intérêts individuels (vitesse du vélo), les stratégies de conduite typiques existantes peuvent être divisées en deux catégories : « conduite conflictuelle » et « conduite coopérative ».

Parmi elles, selon différentes préférences en matière de risque, les stratégies de conduite conflictuelles sont divisées en « stratégies de conduite défensive » averses au risque qui préfèrent les indicateurs de sécurité et en « stratégies de conduite compétitive » neutres en matière de risque qui préfèrent les indicateurs de vitesse.

La stratégie de conduite coopérative peut être divisée en « stratégie de conduite négociée » qui ne s'appuie pas sur des équipements de communication active et « stratégie de conduite coopérative » qui s'appuie sur des équipements de communication active (Internet des véhicules, V2V, etc.) (Figure 1).

Figure 1 : Quatre types de stratégies de conduite macro typiques

Dans ce travail, l'équipe de recherche a mené des recherches sur le mécanisme de fonctionnement, les tâches principales, la logique d'interaction, le mécanisme de prise de décision et le fondement matériel des quatre ci-dessus. stratégies de conduite typiques.

Plus précisément, une stratégie de conduite défensive est définie comme : adopter des hypothèses irrationnelles sur les autres véhicules (c'est-à-dire croire que la probabilité d'un comportement irrationnel est élevée) et stipuler que les véhicules autonomes prennent des décisions indépendantes dans le but principal d'assurer leur propre sécurité. Stratégie.

Une stratégie de conduite compétitive est définie comme : une stratégie de conduite qui adopte des hypothèses rationnelles sur les autres véhicules (c'est-à-dire estime que la probabilité d'un comportement irrationnel est faible) et stipule que les véhicules autonomes prennent des décisions indépendantes dans le but principal d'améliorer leur propre efficacité. .

La stratégie de conduite négociée est définie comme : une stratégie de conduite dans laquelle les voitures autonomes mènent des négociations raisonnables et une prise de décision conjointe avec d'autres véhicules basées sur la compréhension du comportement de conduite traditionnel en échange d'efficacité et de sécurité.

La stratégie de conduite coopérative est définie comme : avec le soutien de la technologie Internet des véhicules, une stratégie de conduite dans laquelle les véhicules autonomes coopèrent avec d'autres véhicules et acceptent des instructions de répartition unifiées pour parvenir à une optimisation globale.

Ensuite, l'équipe a discuté plus en détail des avantages, des inconvénients et des caractéristiques de ces quatre stratégies.

Avec le développement de la technologie de conduite autonome au cours de ce siècle, les stratégies de conduite défensive ont été proposées pour la première fois car il existe de nombreuses similitudes entre cette stratégie de conduite et les règles de conduite humaine. Les objectifs principaux sont d'éliminer ou de réduire les risques potentiels.

Cependant, le plus gros inconvénient de la conduite défensive est que, afin de prévenir des accidents de la route à faible probabilité, les voitures autonomes peuvent être trop redondantes et conservatrices, ce qui entraîne une diminution de l'efficacité du trafic.

Par exemple, dans la version originale du modèle Responsibility Sensitive Safety (RSS) proposé par l'équipe Intel Mobileye [2], les voitures autonomes doivent maintenir une distance de sécurité suffisamment grande pour faire face à l'éventuel comportement de freinage brusque de la voiture qui vous précède à tout moment (Figure 2).

Des recherches plus approfondies menées par l'équipe ont révélé que lorsque les intentions du véhicule qui précède sont prises en compte dans la prise de décision, les véhicules autonomes peuvent raccourcir la distance qui les suit de plus de trois fois tout en garantissant les exigences de sécurité. Cela montre qu'après l'introduction de l'interaction, une conduite défensive améliorée peut également garantir une certaine efficacité du trafic.

Des résultats de recherche pertinents ont également été publiés publiquement et adoptés par Mobileye[3].

Figure 2 : Les dispositions sur la distance de sécurité dans la version originale du RSS publiée par Mobileye [2]

Avec l'approfondissement de la recherche, divers inconvénients des stratégies de conduite défensive sont progressivement apparus, tels que le manque de longue durée de vie. planification à terme, impact sur l’efficacité du trafic, etc.

Afin de résoudre ces problèmes, le concept « d'apprentissage » est progressivement introduit dans le domaine de la conduite autonome. Les gens tentent d'apprendre aux machines à prendre des décisions entre les bénéfices attendus et les risques potentiels en se basant sur l'expérience des humains.

Sur la base de cette idée, la stratégie de conduite compétitive représentée par le modèle d'apprentissage par renforcement du MIT Deep Traffic (Figure 3) a vu le jour [4].

Guidés par cette stratégie, les véhicules autonomes considèrent le trafic routier comme un processus de « jeu dynamique non coopératif » et sont toujours à la recherche de possibilités pour améliorer l'efficacité de la conduite.

Cependant, ce type de stratégie de conduite est souvent difficile à éviter deux problèmes :

1. Le problème de réalisme causé par la simulation, à savoir le « écart de réalité ». Ce type d'algorithme de prise de décision de conduite doit souvent être exécuté dans un système de simulation, et le processus de formation de l'algorithme est très dépendant du retour d'information sur l'environnement. Il s'agit donc de garantir que le processus d'interaction dans le système de simulation est suffisamment réaliste. question à laquelle les chercheurs doivent répondre ;

2. Rationalité Les risques potentiels découlant des hypothèses augmentent. La recherche a montré qu'à mesure que la formation progresse, puisqu'il y a beaucoup plus d'individus rationnels que d'individus irrationnels dans l'environnement de simulation, les voitures autonomes peuvent « goûter la douceur » des comportements à risque et devenir de plus en plus enclines à adopter des comportements de conduite radicaux[5]. . Cette hypothèse rationnelle peut avoir des conséquences sur les routes réelles en termes de congestion du trafic.

Figure 3 : Modèle de décision de conduite Deep Traffic du MIT [4] (Source de l'image : https://selfdrivingcars.mit.edu/deeptraffic)

Par conséquent, le concept de conduite négociée a été proposé, et sa proposition sera Un mécanisme de négociation de priorité est introduit pour réconcilier les conflits entre les intentions individuelles. L'équipe de recherche a résumé les principes que les véhicules autonomes doivent suivre lors de la négociation de droits de passage avec d'autres véhicules en trois points (Figure 4) [6] :

• Il est nécessaire de gérer les limites de la perception avec prudence ;
• Il est nécessaire de prendre en compte l'interaction entre les véhicules (y compris la communication implicite et la communication active) dans les considérations décisionnelles ;
• Il est nécessaire d'équilibrer ; la sécurité routière et l'efficacité du trafic, c'est-à-dire considérer l'agilité stratégique.

Sur cette base, l'équipe de recherche a publié plusieurs articles expliquant comment prendre des décisions de conduite efficaces basées sur la négociation de priorité dans divers scénarios de circulation typiques [7].

Figure 4 : Trois principes fondamentaux mis en avant dans une conduite sûre [6]

Cependant, la conduite négociée est limitée par la quantité d'informations de communication et n'a pas encore atteint l'utilisation maximale de la capacité routière. Avec la maturité des technologies de communication active et le développement de modèles décisionnels collaboratifs distribués ces dernières années, la conduite collaborative mondiale basée sur l’Internet des véhicules est devenue possible.

L'hypothèse de base de la conduite collaborative est que tous les véhicules routiers communiquent leurs informations d'état au système de contrôle central et se conforment pleinement au plan de manœuvre uniformément attribué par le système de contrôle de mouvement.

Dans cette hypothèse, les véhicules autonomes n'ont plus besoin d'effectuer des prédictions de trajectoire complexes et des évaluations des risques. Ils peuvent utiliser des méthodes d'optimisation ou de recherche pour maximiser l'utilisation des ressources routières avec des coûts de calcul minimes (Figure 5) [8,9 ].

Figure 5 : Comparaison du retard de 20 véhicules passant la même intersection selon différentes stratégies [9]

Énumération : solution optimale globale de conduite collaborative basée sur l'énumération (latence 315,06 s)

MCTS - basée sur la recherche ; La solution optimale approximative de conduite collaborative (délai 316,18 s) ;

FIFO — la solution générale de conduite négociée basée sur des règles (délai 382,54 s)

La réalisation de la conduite collaborative ci-dessus a trois prérequis : du côté du véhicule , la conduite automatique doit être complétée La conduite est remplacée et équipée d'équipements de communication actifs ; au bout de la route, une infrastructure intelligente dense doit être déployée en tant que nœuds de détection et de communication dans le cloud, un réseau de communication et un centre de contrôle à faible latence et haute concurrence ; doit être établi.

Cela signifie également que la conduite collaborative est vouée à échouer à court terme. Nous devons réfléchir sérieusement à la manière de faire face à la réalité de la conduite mixte de voitures autonomes et de voitures à conduite humaine à long terme.

Un problème inquiétant est que les différents constructeurs de voitures autonomes ont leurs propres stratégies de conduite. Cela peut amener certaines voitures autonomes à mal évaluer les stratégies des autres véhicules en fonction de leurs propres stratégies, conduisant ainsi à des accidents. Par conséquent, les chercheurs appellent à parvenir à un consensus au niveau de la stratégie de conduite pour mieux parvenir à une conduite harmonieuse et améliorer la sécurité de conduite.

À mesure que le niveau d’intelligence des machines se rapproche progressivement de celui des humains, la manière dont les machines peuvent coexister harmonieusement avec les humains à une plus grande échelle deviendra l’une des questions scientifiques les plus importantes de ce siècle.

Dans le « Plan de développement de l'intelligence artificielle de nouvelle génération » publié par notre pays, l'idéologie directrice, les objectifs stratégiques et les tâches clés pour le développement de la nouvelle génération d'intelligence artificielle de mon pays en 2030 sont proposés. Parmi eux, l’intelligence artificielle pour la collaboration homme-machine constitue une direction de recherche clé.

La conduite autonome est un domaine représentatif dans le développement de l'intelligence artificielle. La coconduite homme-machine au niveau 2-niveau 5 et diverses collaborations de véhicules au niveau 4-niveau 5 impliquent toutes la recherche sur l'intelligence artificielle sur la collaboration homme-machine. la solution de ces problèmes implique l'intersection de la modélisation comportementale, de l'interaction homme-machine, de la psychologie et d'autres disciplines, et il est nécessaire de recevoir plus d'attention et d'attention.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!