驾驶交互中社会性的度量
机器人学
2023-10-26 v2 人机交互
摘要
与其他人类道路使用者的交互是自动驾驶车辆最具挑战性的任务之一。为了实现协调一致的驾驶行为，必须识别并理解社会性，其涵盖人类驾驶员的隐式社会规范与个性化社会偏好。为理解和量化驾驶交互中复杂的社会性，我们提出了一种基于虚拟博弈的交互模型（VGIM），该模型由社会性偏好度量——交互偏好值（IPV）参数化。IPV旨在捕捉驾驶员相对于群体奖励对个人奖励的倾向程度。我们还开发了一种从观测驾驶轨迹识别IPV的方法，并利用典型交互驾驶场景（无保护左转）中记录的驾驶数据评估了人类驾驶员的IPV。我们的发现表明：（1）人类驾驶员在执行特定任务（如左转或直行）时表现出特定的社会偏好模式；（2）人类驾驶员可策略性地采取竞争行为以与他人协调。最后，我们讨论了通过将基于规则的类人IPV表达策略纳入VGIM和基于优化的运动规划器，从人类示范中学习社会性感知导航的潜力。仿真实验表明：（1）IPV识别提升了交互驾驶场景中的运动预测性能；（2）从人类驾驶数据中提取的动态IPV表达策略使得在驾驶交互中复现类人协调模式成为可能。
引用
@article{arxiv.2306.13992,
title = {Measuring Sociality in Driving Interaction},
author = {Xiaocong Zhao and Jian Sun and Meng Wang},
journal= {arXiv preprint arXiv:2306.13992},
year = {2023}
}