はじめに
自動運転戦略に関する現在の研究は依然として、特定のシナリオで特定の戦略を実装することに焦点を当てています。清華大学の研究者は研究を行っています。この分野のトップカンファレンスは、より高度な観点から自動運転戦略を分析するための包括的なレビューを発表しました。
自動運転車が対向車に遭遇したとき、先に追い越すべきか、それとも道を譲るのを待つべきでしょうか?
自動運転戦略は常にこの分野の中核問題であり、それは自動運転車両が交通紛争地域で他の交通参加者とどのように合理的かつ効率的に対話するかということです。
過激すぎたり、保守的すぎたりする戦略は、交通効率に影響を与え、乗客の生命の安全を脅かす可能性さえあります。
自動運転戦略に関するこれまでの研究は、主に低レベルの詳細な運転行動や特定の交通状況、つまり「特定の問題の具体的な分析」に焦点を当てており、その結果、エンジニアリングコードが作成されました。 「if-else」は何千も存在する可能性があり、現在、高度な運転戦略に関する研究が不足しています。
研究者は運転戦略に対する関心を高めていますが、安全運転を積極的に実践する方法についての包括的な答えはまだありません。
最近、清華大学、中国科学院オートメーション研究所、インテル中国研究所による共同研究の成果が、交通安全分野のトップ国際誌「事故分析と予防」に掲載されました。 (交通分野のSSCIジャーナルNo.1、JCR Q1) 2021年の年次シンポジウムでは公開講演と口頭発表が行われ、同ジャーナルの年間最優秀論文賞を受賞しました。
論文リンク: https://www.sciencedirect.com/science/article/abs/pii/S0001457520317577#!
いくつかの代表的な運転戦略を分析した後、著者は、運転戦略を測定するために重要な 3 つの特徴的な側面、つまり優先目的、リスク選好度、および協力方法を提案しました。
研究者らは、これら 3 つの特徴的な側面に従って、自動運転車の既存の運転戦略を防御的運転戦略、競争的運転戦略、交渉的運転戦略、協調的運転戦略の 4 つのタイプに分類し、これら 4 つの戦略を比較分析しました。高度な運転戦略の設計を改善するための可能な方向性が特定されます。
著者は、長期にわたって存在するであろう混合交通の流れ(自動運転車と従来の車)に直面した場合、矛盾を調整するために通行権交渉メカニズムを積極的に導入する必要があると考えています。個々の意図の間で。
この論文の責任著者は、現在清華大学深セン大学院の准教授兼博士指導教員であるLi Zhiheng博士です。 2009年に清華大学制御理工学部自動化学科で工学博士号を取得。主な研究方向は、インテリジェント交通システム、交通信号制御システム、交通管理計画、インテリジェント公共交通システム、インテリジェント交通ビッグデータ研究などです。 10を超える国家レベルのプロジェクトを主催し、参加しました。
自動運転の未来
近年、自動運転技術に大きな期待が寄せられており、道路交通分野全体を変革する可能性があると一般に考えられています。道路へのアクセス、輸送効率、利便性、特に安全性など、多くの実際的な交通問題を解決します。
しかし、自動運転車に「安全運転」を教えるのは簡単ではないことに、徐々に気づき始めている研究者が増えています。左折を例に挙げると、米国運輸省による 2010 年の調査では 200 万件以上の事故が調査され、左折は右折よりも 20 倍事故を引き起こす可能性が高いことが判明しました。自動運転の分野では、ソフトウェア エンジニアのナサニエル フェアフィールド氏は、無防備な左折は自動運転において最も困難なことの 1 つであると考えており、マサチューセッツ工科大学機械工学部のジョン レナード教授も、自動運転には日々多くの課題があり、左折は困難であることを認めています。問題のリストのほぼ最上位に位置しています。
この研究チームは、左折衝突などの安全上の問題の本質的な原因は、車両が相互作用する際に採用するマクロ戦略の違いであると考えています。特定のシナリオや特定の運転行動に焦点を当てたミクロ戦略とは異なり、マクロ戦略は意思決定プロセスの典型的な要素を抽象化したものであり、自動運転戦略のハードウェア基盤と意思決定メカニズムによって決定されます。
したがって、この研究では主に、他の交通参加者との対話中に誤った判断によって引き起こされる衝突リスクを回避し、秩序ある方法で交通衝突を通過するために自動運転車がどのようなマクロ戦略に従うべきかを議論します。
この研究では、既存の研究を検討した後、研究チームはマクロ駆動戦略を測定するための 2 つの主要な側面を提案しました:
- 協力する意欲、つまり推進主体であるかどうか全体的な利益と引き換えに、自分の個人的な利益の一部を放棄する意思がある;
- リスク選好、つまり、運転戦略によってもたらされる潜在的なリスクに対する運転主体の態度。
全体的な利益 (環境交通効率など) と個人の利益 (自転車速度) の間の重点の違いに応じて、既存の典型的な運転戦略は、「対向運転」と「」の 2 つのタイプに分類できます。協調運転」の一種。
その中で、対立的運転戦略は、さまざまなリスク選好に応じて、安全指標を好むリスク回避的な「防御的運転戦略」と、速度指標を好むリスク中立的な「競争的運転戦略」にさらに分けられます。
協調運転戦略は、能動通信機器に依存しない「交渉運転戦略」と能動通信機器(車両のインターネット、V2Vなど)に依存する「協調運転戦略」に分けられます(図1) 。
図 1: 4 種類の典型的なマクロ駆動戦略
研究チームは、この研究で上記の 4 つの典型的な戦略に焦点を当てました。戦略を推進する 戦略の運用メカニズム、コアタスク、インタラクションロジック、意思決定メカニズム、およびハードウェア基盤がレビューされ、分析されます。
具体的には、防衛的運転戦略は次のように定義されます。他の車両について不合理な仮定を採用し (つまり、不合理な行動の可能性が高いと信じる)、自動運転車両が主な目的に基づいて独立した意思決定を行うことを規定します。自分自身の安全を確保するための運転戦略です。
競争力のある運転戦略は次のように定義されます: 他の車両について合理的な仮定を採用し (つまり、不合理な行動の可能性が低いと信じている)、自動運転車両が主な目的を持って独立した意思決定を行うことを規定する運転戦略。自分自身の効率を向上させます。
交渉運転戦略とは、効率性と安全性の両方と引き換えに、自動運転車が合理的な交渉を行い、従来の運転行動の理解に基づいて他の車両と共同で意思決定を行う運転戦略と定義されます。
協調運転戦略は、車両のインターネット技術のサポートにより、自動運転車が他の車両と協力し、統一された配車命令を受け入れて全体的な最適化を達成する運転戦略と定義されます。
その後、チームはこれら 4 つの戦略の長所、短所、特徴についてさらに議論しました。
今世紀の自動運転技術の発展に伴い、人間の運転ルールと多くの類似点があるため、防衛的運転戦略が最初に提案されましたが、その中心的な目標は交通事故をなくすか減らすことです。確実性によってもたらされる。
しかし、防御運転の最大の欠点は、確率の低い交通事故を防ぐために、自動運転車が過度に冗長かつ保守的になり、交通効率が低下する可能性があることです。
たとえば、Intel Mobileye チームによって提案された責任重視安全 (RSS) モデルのオリジナル バージョン [2] では、自動運転車は、危険な可能性に対処するのに十分な安全距離を維持する必要があります。いつでも前方車両の急ブレーキ動作を制御します (図 2)。
研究チームによるさらなる研究の結果、意思決定において前方車両の意図を考慮すると、自動運転車は安全要件を確保しながら車間距離を 3 倍以上短縮できることが判明しました。これは、インタラクションの導入後、防御運転の改善によって一定の交通効率も確保できることを示しています。
関連する研究結果も公開されており、Mobileye によって採用されています[3]。
図 2: Mobileye がリリースしたオリジナル バージョンの RSS の安全距離に関する規定[2]
調査結果が深まるにつれて、長期計画の欠如、交通効率への影響など、防衛的な運転戦略のさまざまな欠点が徐々に明らかになりました。
これらの問題を解決するために、自動運転の分野に「学習」の概念が徐々に導入され、人間と同じように、期待されるメリットと潜在的なリスクの間で経験に基づいて判断できるように機械に教えようとしています。
この考え方に基づいて、MIT 強化学習モデル Deep Traffic (図 3) に代表される競争運転戦略が登場しました [4]。
この戦略に導かれ、自動運転車は道路交通を「非協力的なダイナミック ゲーム」プロセスと見なし、運転効率を向上させる可能性を常に模索しています。
しかし、このタイプの運転戦略は、次の 2 つの問題を回避するのが難しいことがよくあります:
1. シミュレーションによって引き起こされる現実性の問題、つまり「現実ギャップ」。このタイプの運転意思決定アルゴリズムは、多くの場合、シミュレーション システムで実行する必要があり、アルゴリズムのトレーニング プロセスは環境フィードバックに大きく依存します。そのため、シミュレーション システムでの対話プロセスが十分に現実的であることを確認する方法が重要です。研究者が答えなければならない質問;
2. 合理的な仮定による潜在的なリスクの増大。研究によると、シミュレーション環境には非合理的な人間よりも合理的な人間の方がはるかに多く、トレーニングが進むにつれて、自動運転車は危険な行動から「甘さを味わい」、ますます過激な行動をとる傾向が強まる可能性があることがわかっています。 。この合理的な仮定により、実際の道路では交通渋滞が発生する可能性があります。
図 3: MIT のディープ トラフィック運転意思決定モデル [4] (画像出典: https://selfdrivingcars.mit.edu/deeptraffic)
そこで、個人の意図間の衝突を調整するための通行権交渉メカニズムの導入を提唱する、交渉運転の概念が提案されました。研究チームは、自動運転車が他の車両と通行権を交渉する際に従う必要がある原則を 3 つのポイントにまとめました (図 4) [6]:
- 知覚の限界は慎重に対処する必要があります;
- 車両間のインタラクション (暗黙的なコミュニケーションと積極的なコミュニケーションを含む) を意思決定の際に考慮する必要があります-making ;
- 交通安全と交通効率のバランスを取る、つまり戦略の機敏性を考慮する。
これに基づいて、研究チームは、さまざまな典型的な交通シナリオにおける通行用地交渉に基づいて効果的な運転決定を行う方法について議論した複数の論文を発表しました[7]。
図 4: 安全運転で重視される 3 つの基本原則 [6]
ただし、交渉による運転は通信情報の量によって制限されており、まだ実現されていません。道路容量の最大利用に達しました。近年のアクティブ通信技術の成熟と分散型協調意思決定モデルの開発により、車両のインターネットに基づいたグローバルな協調運転が可能になりました。
協調運転の基本的な前提は、すべての道路車両がそのステータス情報を中央制御システムに報告し、運動制御システムによって一律に割り当てられた操縦計画に完全に従うことです。
この仮定の下では、自動運転車は複雑な軌道予測やリスク評価を実行する必要がなくなり、最適化や検索手法を使用して、最小限の計算コストで道路リソースの利用を最大化することができます (図 5) [ 8、9]。
図 5: 異なる戦略の下で同じ交差点を通過する 20 台の車両の遅延の比較 [9]
列挙 - 列挙ベースの協調運転のグローバル最適ソリューション(遅延 315.06 秒);
MCTS - 検索ベースの協調運転の近似最適解 (遅延 316.18 秒);
FIFO - ルールベースのネゴシエート運転一般解 (遅延 382.54 秒)
上記の協調運転を実現するには、車両側では自動運転代替が完了し、アクティブな通信機器を装備する必要がある、道路側ではセンシングと通信として高密度のインテリジェントインフラを展開する必要があるという3つの前提条件があります。ノード ; クラウドでは、低遅延で同時実行性の高い通信ネットワークとコントロール センターを確立する必要があります。
これは、協調運転が短期的には失敗する運命にあることも意味しており、長期的には自動運転車と人間が運転する車が混在する現実にどう向き合うかを真剣に考えなければなりません。
憂慮すべき問題の 1 つは、自動運転車のメーカーがそれぞれ独自の運転戦略を持っていることです。このため、一部の自動運転車が自らの戦略に基づいて他の車両の戦略を誤って判断し、事故につながる可能性があります。したがって、研究者らは、より調和のとれた運転を実現し、運転の安全性を向上させるために、運転戦略レベルで合意に達することを求めています。
機械の知能レベルが徐々に人間の知能レベルに近づくにつれて、機械がより広いスケールで人間と調和して共存できる方法は、今世紀の最も重要な科学的課題の 1 つになるでしょう。
我が国が発表した「新世代人工知能開発計画」では、2030年の我が国の新世代人工知能開発の指針となるイデオロギー、戦略目標、主要課題が提案されています。その中でも、人間と機械のコラボレーションのための人工知能は重要な研究方向です。
人工知能開発の代表的な分野である自動運転には、レベル 2 ~レベル 5 の人と機械の協調運転と、レベル 4 ~ レベル 5 のさまざまな車両の協調による人間と機械の協調が含まれます。研究上の問題、これらの問題の解決策には、行動モデリング、人間とコンピューターのインタラクション、心理学、その他の分野の交差点が含まれており、より多くの注目と注目を集める必要があります。
以上が4大自動運転戦略を総合的に分析の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

Apollo Researchの新しいレポートによると、高度なAIシステムの未確認の内部展開は、重大なリスクをもたらします。 主要なAI企業の間で一般的なこの監視の欠如は、Uncontに及ぶ潜在的な壊滅的な結果を可能にします

従来の嘘検出器は時代遅れです。リストバンドで接続されたポインターに依存すると、被験者のバイタルサインと身体的反応を印刷する嘘発見器は、嘘を識別するのに正確ではありません。これが、嘘の検出結果が通常裁判所で採用されない理由ですが、多くの罪のない人々が投獄されています。 対照的に、人工知能は強力なデータエンジンであり、その実用的な原則はすべての側面を観察することです。これは、科学者がさまざまな方法で真実を求めるアプリケーションに人工知能を適用できることを意味します。 1つのアプローチは、嘘発見器のように尋問されている人の重要な符号応答を分析することですが、より詳細かつ正確な比較分析を行います。 別のアプローチは、言語マークアップを使用して、人々が実際に言うことを分析し、論理と推論を使用することです。 ことわざにあるように、ある嘘は別の嘘を繁殖させ、最終的に

イノベーションの先駆者である航空宇宙産業は、AIを活用して、最も複雑な課題に取り組んでいます。 近代的な航空の複雑さの増加は、AIの自動化とリアルタイムのインテリジェンス機能を必要とします。

ロボット工学の急速な発展により、私たちは魅力的なケーススタディをもたらしました。 NoetixのN2ロボットの重量は40ポンドを超えており、高さは3フィートで、逆流できると言われています。 UnitreeのG1ロボットの重量は、N2のサイズの約2倍で、高さは約4フィートです。また、競争に参加している多くの小さなヒューマノイドロボットがあり、ファンによって前進するロボットさえあります。 データ解釈 ハーフマラソンは12,000人以上の観客を惹きつけましたが、21人のヒューマノイドロボットのみが参加しました。政府は、参加しているロボットが競争前に「集中トレーニング」を実施したと指摘したが、すべてのロボットが競争全体を完了したわけではない。 チャンピオン - 北京ヒューマノイドロボットイノベーションセンターによって開発されたティアンゴニ

人工知能は、現在の形式では、真にインテリジェントではありません。既存のデータを模倣して洗練するのに熟達しています。 私たちは人工知能を作成するのではなく、人工的な推論を作成しています。情報を処理するマシン、人間は

レポートでは、更新されたインターフェイスがGoogle Photos Androidバージョン7.26のコードに隠されていることがわかり、写真を見るたびに、新しく検出された顔のサムネイルの行が画面の下部に表示されます。 新しいフェイシャルサムネイルには名前タグが欠落しているため、検出された各人に関する詳細情報を見るには、個別にクリックする必要があると思います。今のところ、この機能は、Googleフォトが画像で見つけた人々以外の情報を提供しません。 この機能はまだ利用できないため、Googleが正確にどのように使用するかはわかりません。 Googleはサムネイルを使用して、選択した人のより多くの写真を見つけるためにスピードアップしたり、編集して個人を選択するなど、他の目的に使用することもできます。待って見てみましょう。 今のところ

補強能力は、人間のフィードバックに基づいて調整するためにモデルを教えることにより、AI開発を揺さぶりました。それは、監督された学習基盤と報酬ベースの更新をブレンドして、より安全で、より正確に、そして本当に助けます

科学者は、彼らの機能を理解するために、人間とより単純なニューラルネットワーク(C. elegansのものと同様)を広く研究してきました。 ただし、重要な疑問が生じます。新しいAIと一緒に効果的に作業するために独自のニューラルネットワークをどのように適応させるのか


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

EditPlus 中国語クラック版
サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

メモ帳++7.3.1
使いやすく無料のコードエディター

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

AtomエディタMac版ダウンロード
最も人気のあるオープンソースエディター

ホットトピック









