Ini adalah skenario yang akrab bagi siapa saja yang mengemudi di jalan yang sempit dan padat: Mobil yang diparkir berbaris di kedua sisi, dan tidak ada cukup ruang untuk kendaraan yang melaju di kedua arah untuk saling berpapasan. Seseorang harus merunduk ke dalam celah di dalam mobil yang diparkir atau memperlambat dan menepi sejauh mungkin agar yang lain dapat lewat.
Pengemudi menemukan cara untuk menegosiasikan ini, tetapi bukan tanpa panggilan akrab dan frustrasi. Memprogram kendaraan otonom (AV) untuk melakukan hal yang sama—tanpa manusia di belakang kemudi atau mengetahui apa yang mungkin dilakukan pengemudi lain—menjadi tantangan unik bagi para peneliti di Argo AI Center for Autonomous Vehicle Research Carnegie Mellon University.
“Ini adalah aturan tidak tertulis, itulah yang kita hadapi di sini,” kata Christoph Killing, mantan peneliti tamu di Institut Robotika Sekolah Ilmu Komputer dan sekarang menjadi bagian dari Laboratorium Sistem Udara Otonom di Technical Universitas Munich. “Ini agak sulit. Anda harus belajar untuk menegosiasikan skenario ini tanpa mengetahui apakah kendaraan lain akan berhenti atau pergi.”
Saat di CMU, Killing bekerja sama dengan ilmuwan riset John Dolan dan Ph.D. mahasiswa Adam Villaflor untuk memecahkan masalah ini. Tim tersebut mempresentasikan penelitiannya, “Belajar Negosiasi dengan Kuat Penggunaan Jalur Dua Arah dalam Skenario Mengemudi Konflik Tinggi,” di Konferensi Internasional tentang Robotika dan Otomasi.
Tim percaya penelitian mereka adalah yang pertama dalam skenario mengemudi khusus ini. Ini membutuhkan pengemudi — manusia atau bukan — untuk berkolaborasi untuk melewati satu sama lain dengan aman tanpa mengetahui apa yang dipikirkan orang lain. Pengemudi harus menyeimbangkan agresi dengan kerja sama. Pengemudi yang terlalu agresif, yang hanya berjalan tanpa memperhatikan kendaraan lain, dapat membahayakan dirinya sendiri dan orang lain. Pengemudi yang terlalu kooperatif, yang selalu menepi saat menghadapi lalu lintas yang mendekat, mungkin tidak akan pernah berhasil di jalan.
“Saya selalu menemukan ini sebagai aspek yang menarik dan terkadang sulit dalam berkendara di Pittsburgh,” kata Dolan.
Kendaraan otonom telah digembar-gemborkan sebagai solusi potensial untuk tantangan terakhir dalam pengiriman dan transportasi. Tetapi bagi AV untuk mengantarkan pizza, paket, atau orang ke tujuan mereka, mereka harus mampu menavigasi ruang sempit dan niat pengemudi yang tidak diketahui.
Tim mengembangkan metode untuk memodelkan berbagai tingkat kooperatif pengemudi — seberapa besar kemungkinan pengemudi menepi untuk membiarkan pengemudi lain lewat — dan menggunakan model tersebut untuk melatih algoritme yang dapat membantu pengemudi otonom. kendaraan untuk menavigasi situasi ini dengan aman dan efisien. Algoritma ini hanya digunakan dalam simulasi dan bukan pada kendaraan di dunia nyata, tetapi hasilnya menjanjikan. Tim menemukan bahwa algoritme mereka berkinerja lebih baik daripada model saat ini.
Mengemudi penuh dengan skenario kompleks seperti ini. Saat para peneliti mengemudi otonom menanganinya, mereka mencari cara untuk membuat algoritme dan model yang dikembangkan untuk satu skenario, misalnya menggabungkan ke jalan raya, bekerja untuk skenario lain, seperti mengubah jalur atau berbelok ke kiri melawan lalu lintas di persimpangan.
“Pengujian ekstensif mengungkap persen terakhir dari kasus sentuhan,” kata Dolan. “Kami terus menemukan kasus sudut ini dan terus mencari cara untuk menanganinya.”