เป็นสถานการณ์ที่คุ้นเคยกับทุกคนที่ขับรถไปตามถนนแคบ ๆ ที่แออัดและคับคั่ง: รถที่จอดอยู่สองข้างทางและไม่มีที่ว่างเพียงพอสำหรับยานพาหนะที่เดินทางทั้งสองทิศทางเพื่อผ่านกันและกัน คนๆ หนึ่งต้องหลบเข้าไปในช่องว่างในรถที่จอดอยู่หรือขับช้าๆ แล้วดึงให้ไกลที่สุดเพื่อให้อีกคันเข้ามาเบียด
คนขับหาทางเจรจาเรื่องนี้ได้ แต่ต้องไม่ขาดการติดต่อและข้องใจอย่างใกล้ชิด การเขียนโปรแกรมยานยนต์ไร้คนขับ (AV) ให้ทำเช่นเดียวกัน—โดยปราศจากมนุษย์อยู่หลังพวงมาลัยหรือความรู้ในสิ่งที่ผู้ขับขี่คนอื่นๆ อาจทำ—นำเสนอความท้าทายที่ไม่เหมือนใครสำหรับนักวิจัยที่ Carnegie Mellon University Argo AI Center for Autonomous Vehicle Research
คริสตอฟ คิลลิ่ง อดีตนักวิชาการวิจัยที่มาเยี่ยมเยียนในสถาบันวิทยาการวิทยาการคอมพิวเตอร์ของสถาบันวิทยาการคอมพิวเตอร์ และปัจจุบันเป็นส่วนหนึ่งของห้องทดลองระบบทางอากาศอิสระที่เทคนิค มหาวิทยาลัยมิวนิค. “มันค่อนข้างยาก คุณต้องเรียนรู้ที่จะเจรจาสถานการณ์นี้โดยไม่รู้ว่ารถคันอื่นกำลังจะหยุดหรือไป”
ขณะอยู่ที่มหาวิทยาลัยเชียงใหม่ Killing ได้ร่วมมือกับ John Dolan นักวิทยาศาสตร์การวิจัยและปริญญาเอก นักเรียน Adam Villaflor ที่จะไขปัญหานี้ ทีมงานได้นำเสนอผลงานวิจัยเรื่อง "การเรียนรู้เพื่อการเจรจาต่อรองการใช้ช่องทางสองทิศทางอย่างแข็งแกร่งในสถานการณ์การขับขี่ที่มีความขัดแย้งสูง" ในการประชุมนานาชาติเรื่องหุ่นยนต์และระบบอัตโนมัติ
ทีมงานเชื่อว่าการวิจัยของพวกเขาเป็นครั้งแรกในสถานการณ์การขับขี่ที่เฉพาะเจาะจงนี้ ต้องใช้แรงผลักดัน—เป็นมนุษย์หรือไม่—ในการทำงานร่วมกันเพื่อให้ผ่านพ้นกันเองได้อย่างปลอดภัยโดยไม่รู้ว่าอีกฝ่ายคิดอะไรอยู่ ผู้ขับขี่ต้องสร้างสมดุลระหว่างความก้าวร้าวกับความร่วมมือ คนขับที่ดุดันเกินไป ที่ไม่สนใจรถคันอื่น อาจทำให้ตัวเองและผู้อื่นตกอยู่ในความเสี่ยง คนขับที่ให้ความร่วมมือมากเกินไป ซึ่งมักจะจอดขวางการจราจรที่สวนทางมาเสมอ ไม่อาจขับมันให้พ้นถนนได้
“ฉันพบว่าสิ่งนี้เป็นสิ่งที่น่าสนใจและบางครั้งก็ยากในการขับรถในพิตต์สเบิร์ก” Dolan กล่าว
ยานยนต์ไร้คนขับได้รับการประกาศให้เป็นทางออกที่เป็นไปได้สำหรับความท้าทายในการขนส่งและการขนส่งในระยะสุดท้าย แต่สำหรับ AV เพื่อส่งพิซซ่า พัสดุภัณฑ์ หรือบุคคลไปยังจุดหมายปลายทาง พวกเขาต้องสามารถนำทางในที่แคบและไม่ทราบเจตนาของคนขับ
ทีมงานได้พัฒนาวิธีการจำลองระดับความร่วมมือของผู้ขับขี่ในระดับต่างๆ ซึ่งมีแนวโน้มว่าผู้ขับขี่จะดึงตัวเพื่อให้ผู้ขับขี่คนอื่นผ่าน และใช้แบบจำลองเหล่านั้นเพื่อฝึกอัลกอริทึมที่สามารถช่วยเหลือระบบอัตโนมัติได้ พาหนะ เพื่อนำทางสถานการณ์นี้อย่างปลอดภัยและมีประสิทธิภาพ อัลกอริธึมนี้ถูกใช้ในการจำลองเท่านั้น ไม่ได้ใช้ในยานพาหนะในโลกแห่งความเป็นจริง แต่ผลลัพธ์ก็น่าพอใจ ทีมงานพบว่าอัลกอริธึมทำงานได้ดีกว่ารุ่นปัจจุบัน
การขับรถเต็มไปด้วยสถานการณ์ที่ซับซ้อนเช่นนี้ ในขณะที่นักวิจัยด้านการขับขี่อัตโนมัติจัดการกับพวกเขา พวกเขามองหาวิธีที่จะทำให้อัลกอริธึมและแบบจำลองที่พัฒนาขึ้นสำหรับสถานการณ์หนึ่ง เช่น การรวมตัวบนทางหลวง ทำงานในสถานการณ์อื่นๆ เช่น การเปลี่ยนเลนหรือเลี้ยวซ้ายเพื่อตัดการจราจรที่ทางแยก
Dolan กล่าวว่าการทดสอบอย่างกว้างขวางทำให้เปอร์เซ็นต์สุดท้ายของเคสสัมผัสสว่างขึ้น "เราค้นหากรณีมุมเหล่านี้และหาวิธีจัดการกับมันต่อไป"