Ini adalah senario yang tidak asing bagi sesiapa sahaja yang menyusuri jalan yang sesak dan sesak: Kereta yang diparkir melintasi kedua-dua belah pihak, dan tidak ada ruang yang cukup untuk kenderaan yang bergerak di kedua arah untuk saling melintas. Seseorang harus masuk ke dalam celah di dalam kereta yang diparkir atau perlahan dan berhenti sejauh mungkin untuk yang lain menekan.
Pemandu mencari jalan untuk merundingkan ini, tetapi tidak tanpa panggilan dan kekecewaan. Memprogram kenderaan autonomi (AV) untuk melakukan perkara yang sama — tanpa manusia di belakang roda atau pengetahuan tentang apa yang mungkin dilakukan oleh pemandu lain — memberikan cabaran yang unik bagi para penyelidik di Pusat Penyelidikan Kenderaan Autonomi Otomotif Carnegie Mellon University.
"Ini peraturan jalan raya yang tidak tertulis, itulah yang kita hadapi di sini," kata Christoph Killing, mantan sarjana penyelidikan pelawat di Institut Robotik Sekolah Sains Komputer dan kini menjadi sebahagian daripada Makmal Sistem Udara Autonomi di Teknikal Universiti Munich. "Ini agak sukar. Anda harus belajar merundingkan senario ini tanpa mengetahui sama ada kenderaan lain akan berhenti atau pergi. "
Semasa di CMU, Killing bekerjasama dengan saintis penyelidikan John Dolan dan Ph.D. pelajar Adam Villaflor untuk mengatasi masalah ini. Pasukan ini menyajikan penyelidikannya, "Belajar Untuk Berunding Dengan Kuat Penggunaan Jalur Dua Hala dalam Senario Memacu Konflik Tinggi," pada Persidangan Antarabangsa Robotik dan Automasi.
Pasukan percaya bahawa penyelidikan mereka adalah yang pertama dalam senario pemanduan khusus ini. Ia memerlukan pemandu - manusia atau tidak - untuk berkolaborasi untuk membuatnya melewati satu sama lain dengan selamat tanpa mengetahui apa yang difikirkan oleh orang lain. Pemandu mesti mengimbangkan pencerobohan dengan kerjasama. Pemandu yang terlalu agresif, yang tidak mengambil berat kenderaan lain, boleh membahayakan dirinya sendiri dan orang lain. Pemandu yang terlalu bekerjasama, yang selalu bergerak dalam keadaan lalulintas, mungkin tidak akan berjaya.
"Saya selalu menganggap ini menjadi aspek yang menarik dan kadang sukar untuk memandu di Pittsburgh," kata Dolan.
Kenderaan autonomi telah digembar-gemborkan sebagai jalan penyelesaian yang berpotensi untuk menghadapi cabaran penghantaran dan pengangkutan. Tetapi untuk AV untuk menyampaikan pizza, bungkusan atau orang ke destinasi mereka, mereka harus dapat menavigasi ruang yang ketat dan niat pemandu yang tidak diketahui.
Pasukan ini mengembangkan kaedah untuk memodelkan tahap kerjasama yang berbeza-beza pemandu - betapa mungkin pemandu terpaksa berhenti untuk membiarkan pemandu lain melintas - dan menggunakan model-model tersebut untuk melatih algoritma yang dapat membantu autonomi kenderaan untuk menavigasi keadaan ini dengan selamat dan cekap. Algoritma ini hanya digunakan dalam simulasi dan bukan pada kenderaan di dunia nyata, tetapi hasilnya menjanjikan. Pasukan ini mendapati bahawa algoritma mereka berprestasi lebih baik daripada model semasa.
Memandu penuh dengan senario yang rumit seperti ini. Semasa penyelidik pemanduan autonomi menangani mereka, mereka mencari cara untuk membuat algoritma dan model yang dikembangkan untuk satu senario, katakan bergabung ke jalan raya, bekerja untuk senario lain, seperti menukar lorong atau membuat belokan kiri terhadap lalu lintas di persimpangan.
"Ujian ekstensif menunjukkan persen kes sentuhan terakhir," kata Dolan. "Kami terus mencari kes-kes sudut ini dan terus mencari cara untuk mengatasinya."