主动推断作为人类驾驶员避撞行为的统一模型

避撞——涉及快速威胁检测和迅速执行适当的规避动作——是驾驶的关键环节。然而，现有的人类避撞行为模型是碎片化的，仅关注特定场景或仅描述避撞行为的某些方面，如反应时间。本文通过提出一种基于主动推断的人类避撞行为的新型计算认知模型来填补这些空白。主动推断为人类行为建模提供了一种统一方法：自由能最小化。在先前主动推断工作的基础上，我们的模型整合了证据积累等已确立的认知机制，以模拟人类在两种不同避撞场景中的反应：前车制动和迎面车辆侧向侵入。我们证明，我们的模型解释了先前文献中关于人类避撞行为的广泛实证发现。具体而言，该模型密切再现了文献中先前报告的荟萃分析汇总结果，以及最近一项驾驶模拟器研究中观察到的详细的、特定场景的效应，包括反应时间、动作选择和执行。我们的结果突出了主动推断作为理解和建模复杂真实驾驶任务中人类行为的统一框架的潜力。