可用于智能汽车的新的代尔夫特模型

来自TU Delft的研究人员现在开发了一种新的模型，它基于一个潜在的“人”原则来描述驾驶行为：将风险控制在阈值以下。该模型能够准确预测人类在各种驾驶任务中的行为。

随着时间的推移，这种模型可以应用于智能汽车，让它们感觉不那么“机器人化”。博士生SarveshKolekar和他的导师Joost de Winter和David Abbink进行的研究将于2020年9月29日星期二发表在《自然通讯》上。

风险阈值

通常使用预测最佳路径的模型来描述驾驶行为。但人们并不是这样开车的，认知机器人学系的研究员萨维什·科莱卡（Sarvesh Kolekar）说，你并不总能调整自己的驾驶行为，让自己坚持一条最佳路线。例如，人们不会在车道中间连续行驶：只要他们在可接受的车道限制范围内，他们就可以接受

预测最佳路径的模型不仅在研究中很流行，在车辆应用中也很流行，当前一代的智能汽车驾驶起来非常整洁。他们不断地寻找最安全的路径：即以适当的速度找到一条路径。科莱卡继续说，这导致了一种“机器人”式的驾驶方式为了更好地了解人类的驾驶行为，我们试图开发一种新的模型，将人的风险阈值作为基本原则

驾驶员风险域

为了了解这个概念，Kolekar引入了所谓的驾驶员风险域（DRF）。这是一个不断变化的汽车周围的二维场，它表明驾驶员认为每一点的风险有多高。Kolekar在以前的研究中设计了这些风险评估。然后，在DRF中考虑所涉风险后果的严重性。例如，在公路边界的一侧有一个悬崖比有草危险得多克鲁克博士早在1938年就提出了心理学的概念。这些作者声称，汽车驾驶员“感觉到”了他们周围的风险场，并将其交通操纵建立在这些感知上。

预言

科莱卡随后在7个场景中测试了该模型，包括超车和避开障碍物我们将模型的预测与文献中关于人类驾驶行为的实验数据进行了比较。幸运的是，已经有了很多信息。结果表明，我们的模型只需要少量的数据就可以“获得”潜在的人类驾驶行为，甚至可以预测出人类在之前未见过的场景中的合理行为。因此，驾驶行为或多或少会自动展开；

这种对人类驾驶行为的优雅描述具有巨大的预测和推广价值。除了学术价值外，该模型还可如果智能汽车考虑到人类真实的驾驶习惯，它们将更有可能被接受，这辆车就不会像机器人了。