إنه سيناريو مألوف لأي شخص يقود سيارته في شارع مزدحم وضيق: تصطف السيارات المتوقفة على كلا الجانبين ، ولا توجد مساحة كافية للمركبات التي تسير في كلا الاتجاهين لتمرير بعضها البعض. على المرء أن ينغمس في فجوة في السيارات المتوقفة أو يبطئ ويتوقف قدر الإمكان حتى يتمكن الآخر من الضغط عليه.
يجد السائقون طريقة للتفاوض حول هذا الأمر ، ولكن ليس بدون مكالمات قريبة وإحباط. شكلت برمجة مركبة مستقلة (AV) للقيام بالشيء نفسه - دون وجود إنسان خلف عجلة القيادة أو معرفة ما قد يفعله السائق الآخر - تحديًا فريدًا للباحثين في مركز Argo AI لأبحاث المركبات الذاتية بجامعة كارنيجي ميلون.
قال كريستوف كيلينج ، الباحث الزائر السابق في معهد الروبوتات بكلية علوم الكمبيوتر ، وهو الآن جزء من مختبر الأنظمة الجوية المستقلة في المعهد التقني: "إنها قواعد الطريق غير المكتوبة ، وهذا ما نتعامل معه إلى حد كبير". جامعة ميونيخ. "إنها صعبة نوعا ما. عليك أن تتعلم كيفية التفاوض على هذا السيناريو دون معرفة ما إذا كانت السيارة الأخرى ستتوقف أو تنطلق ".
أثناء وجوده في جامعة كارنيجي ميلون ، تعاونت Killing مع عالم الأبحاث جون دولان والدكتوراه. الطالب آدم فيلافلور لحل هذه المشكلة. قدم الفريق بحثه ، "تعلم التفاوض بقوة بشأن استخدام المسار ثنائي الاتجاه في سيناريوهات القيادة عالية الصراع ،" في المؤتمر الدولي حول الروبوتات والأتمتة.
يعتقد الفريق أن بحثهم هو الأول في سيناريو القيادة المحدد هذا. يتطلب الأمر من السائقين - سواء أكانوا بشرًا أم لا - أن يتعاونوا لجعل الأمر يتخطى بعضهم البعض بأمان دون معرفة ما يفكر فيه الآخر. يجب على السائقين أن يوازنوا بين العدوان والتعاون. يمكن للسائق العدواني المفرط ، الذي يتجاهل المركبات الأخرى ، أن يعرض نفسه والآخرين للخطر. لا يجوز للسائق المتعاون بشكل مفرط ، الذي يتوقف دائمًا في مواجهة حركة المرور القادمة ، أن ينزل إلى الشارع أبدًا.
قال دولان: "لقد وجدت دائمًا أن هذا جانب مثير للاهتمام وأحيانًا صعب للقيادة في بيتسبرغ".
تم الإعلان عن المركبات ذاتية القيادة كحل محتمل لتحديات الميل الأخير المتمثلة في التسليم والنقل. ولكن لكي يقوم AV لتوصيل بيتزا أو طرد أو شخص إلى وجهتهم ، يجب أن يكونوا قادرين على التنقل في المساحات الضيقة ونوايا السائق غير المعروفة.
طور الفريق طريقة لنمذجة مستويات مختلفة من تعاون السائق - مدى احتمالية توقف السائق للسماح للسائق الآخر بالمرور - واستخدم هذه النماذج لتدريب خوارزمية يمكن أن تساعد السائق المستقل المثالية للتنقل بأمان وكفاءة في هذا الموقف. تم استخدام الخوارزمية فقط في المحاكاة وليس على مركبة في العالم الحقيقي ، ولكن النتائج واعدة. وجد الفريق أن الخوارزميات الخاصة بهم كانت تعمل بشكل أفضل من النماذج الحالية.
القيادة مليئة بالسيناريوهات المعقدة مثل هذه. بينما يعالجها الباحثون في القيادة الذاتية ، يبحثون عن طرق لجعل الخوارزميات والنماذج مطورة لسيناريو واحد ، مثل الدمج على طريق سريع ، والعمل لسيناريوهات أخرى ، مثل تغيير الممرات أو الانعطاف يسارًا ضد حركة المرور عند التقاطع.
قال دولان: "إن الاختبارات المكثفة تسلط الضوء على النسبة الأخيرة من حالات اللمس". "نستمر في العثور على حالات الزاوية هذه ونستمر في ابتكار طرق للتعامل معها."