来自TUDelft的研究人员现已开发出一种新模型，该模型基于一项基本的人为原则描述驾驶行为：将风险控制在阈值以下。该模型可以在各种驾驶任务中准确预测人的行为。随着时间的流逝，该模型可以用于智能汽车中，从而减少机器人的使用感。由博士候选人SarveshKolekar及其主管JoostdeWinter和DavidAbbink进行的研究将于2020年9月29日星期二在《自然通讯》上发表。
风险门槛
通常使用预测最佳路径的模型来描述驾驶行为。但这不是人们实际驾驶的方式。认知机器人学系的研究员SarveshKolekar说：“您不一定总是使自己的驾驶行为适应一条最佳道路。”“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内，就可以了。”
预测最佳路径的模型不仅在研究中很流行，而且在车辆应用中也很流行。“当前的智能汽车驾驶非常整洁。它们不断寻找最安全的道路：即以适当的速度行驶一条道路。这导致了'机器人式'驾驶。”“为了更好地了解人类的驾驶行为，我们试图开发一种新模型，将人类危险阈值作为基本原理。”
驾驶员风险范围
为了掌握这一概念，Kolekar引入了所谓的驾驶员风险场(DRF)。这是汽车周围不断变化的二维场，它表示驾驶员认为在每个点处的风险有多高。Kolekar在先前的研究中设计了这些风险评估。然后在DRF中考虑所讨论风险后果的严重性。例如，在道路边界的一侧有悬崖比放草要危险得多。
“DRF的灵感来自很久以前(1938年)由Gibson和Crooks提出的心理学概念。这些作者声称，汽车驾驶员“感觉”了他们周围的风险领域，并以此为基础进行交通操纵根据这些看法。”Kolekar设法将这一理论转化为计算机算法。
预测
然后，Kolekar在七个场景中对模型进行了测试，包括超越和避免障碍。“我们将模型的预测结果与文献中有关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。事实证明，我们的模型只需要少量数据就可以“获取”基本信息。人的驾驶行为，甚至可以在以前看不见的情况下预测合理的人的行为。因此，驾驶行为或多或少会自动推出;这是“紧急情况”。”
这种对人类驾驶行为的优雅描述具有巨大的预测和概括价值。除了学术价值外，该模型还可以用于智能汽车。“如果考虑到真正的人类驾驶习惯，智能汽车将有更大的机会被接受。汽车的行为将不像机器人。”
