자율 주행 모델이 어려운 교통 문제를 해결합니다:좁은 길

두 대의 차량이 일방통행 도로에서 서로를 향해 직진하고 있다고 가정해 보겠습니다.

이러한 빡빡하고 도전적인 운전 시나리오에서 운전을 하고 있다면 근처에 있는 당사자와 협상할 수 있습니다. 도로 옆으로 차를 세우고 앞의 운전자가 얇은 차선을 통과하도록 할 수 있습니다. 상호 작용을 통해 모든 사람을 안전하게 목적지까지 보호하는 기동을 파악할 수 있습니다.

자율 주행 자동차는 더 어려운 도전 과제를 안고 있으며, 어떻게든 주변 운전자와 친절하게 운전하려는 그들의 의지를 이해해야 합니다.

개발 중인 새로운 알고리즘은 붐비고 좁은 거리의 험난한 교통 상황에서 자율 주행 차량을 안내할 수 있습니다.

Carnegie Mellon University Argo AI 자율 차량 연구 센터의 연구원들이 구축한 알고리즘 , 운전자가 다른 운전자를 추월하기 위해 차를 세울 가능성이 있는 다양한 수준의 운전자 협력을 모델링하여 결정을 내립니다.

크리스토프 킬링(Chrisoph Killing) 연구원이 이끄는 팀은 "다중 에이전트 강화 학습(Multi-Agent Reinforcement Learning)" 또는 MARL을 통해 지금까지 시뮬레이션에서 방어 운전 및 다른 에이전트의 행동 해석을 포함하여 인간과 유사한 행동을 나타내는 자율 주행 차량을 확보했습니다.

알고리즘은 실제 차량에 사용되지 않았지만 모델의 보상 기반 시스템 덕분에 결과는 유망합니다.

"우리는 안전을 염두에 두고 상호 작용을 장려합니다."라고 컴퓨터 과학 학교 로봇 공학 연구소의 전 방문 연구 학자인 Killing이 말했습니다. 현재 뮌헨 공과 대학의 자율 항공 시스템 연구실의 일부입니다.

기술 요약이 포함된 짧은 Q&A 아래에서 Christoph는 그의 팀의 인센티브 기반 모델이 공식 도로 규칙이 없는 거친 교통 상황을 어떻게 헤쳐나가는지 자세히 설명합니다.

기술 요약: 두 가지 모두를 약간 필요로 하는 도전 과제를 수행할 때 모델을 보다 협력적이거나 공격적인 것으로 특성화하시겠습니까?

크리스토프 킬링: 모든 운전 시나리오와 마찬가지로 자율 주행 차량은 안전을 최우선으로 하고 모든 교통 규칙을 따라야 합니다. 그러나 이것이 고려된 시나리오의 장점이자 도전 과제입니다. 이러한 종류의 시나리오에는 조정되는 교통 규칙이 없습니다(예를 들어 4방향 정지 교차로와 대조적으로). 동일한 우선권을 가진 두 대의 차량은 본질적으로 누가 먼저 가고 누가 기다리는지 협상해야 합니다.

두 차량 모두 순전히 안전에만 초점을 맞추면 둘 다 차를 세울 것입니다. 연구에서 우리가 직면한 주요 과제는 다음과 같습니다. 각 차량이 조정 인스턴스 없이 스스로 결정을 내릴 때 두 차량이 모두 전진하지 않고 두 차량이 모두 움직이지 않도록 하려면 어떻게 한 대의 차량을 정차하고 한 번에 진행해야 합니까?

우리는 안전을 염두에 두고 상호 작용을 장려합니다. 빠른 속도로 충돌하는 것은 시간 초과보다 더 나쁩니다. 그러나 시간 초과로 인해 에이전트가 서로 상호 작용하고 지나가는 방법을 배우도록 장려하는 약간의 패널티도 발생합니다.

기술 개요 :귀하의 모델이 드라이브를 실행하는 데 사용하는 주요 매개변수는 무엇입니까? 알고리즘의 결정 기준은 무엇입니까?

크리스토프 킬링 :우리의 알고리즘은 실제 자동차에서 사용할 수 있는 것을 인식합니다. 우리는 자동차 전면 주변의 거리 및 상대 속도를 측정했습니다( 보고서의 그림 2 참조). ). 특히 관련 작업에 비해 시나리오를 조감도가 아닌 자기중심적 시각으로 바라보고 있다. 이것은 이제 사각 지대가 있기 때문에 조금 더 까다 롭습니다. 이 관찰은 에이전트에게 얼마나 공격적으로 행동해야 하는지 알려주기 위해 위에서 언급한 협조성, 현재 스티어링 각도 및 스로틀 위치(이 시나리오에서 스스로 운전할 때도 알 수 있음)와 같은 추가 매개변수에 의해 강화됩니다.

기술 개요 :알고리즘이 제대로 작동하는 데 여전히 어려운 점은 무엇입니까?

크리스토프 킬링 :지나치게 공격적인 페어링과 지나치게 수동적인 페어링의 두 가지 주요 문제가 있습니다. (여기 에서 시각화를 비교하십시오. .) 특히, 우리의 정책은 대부분의 경우 시나리오를 협상할 수 있습니다. 그러나 인간 승객은 여기에 표시된 조작 중 일부를 수행하는 자동차에 상당히 불만을 가질 수 있습니다. .

기술 개요 :상대방 운전자가 공격적이고 "나쁜" 운전자라는 것이 분명할 때 알고리즘은 무엇을 합니까? 아니면 지나치게 '협조적인' 운전자입니까?

크리스토프 킬링 :우리는 각 차량에 협동성 값을 할당하고 얼마나 공격적으로 행동해야 하는지 알려줌으로써 우리의 운전 정책을 테스트합니다. 각자는 자신의 협력에 대해서만 알고 상대 차량에 대해서는 알지 못합니다. 이러한 협력적 가치는 운전 행동으로 매우 직접적인 방식으로 해석됩니다. 비협조적인 운전자는 자신의 진행 상황에만 관심이 있습니다. 고도로 협조적인 운전자는 누군가가 가는 한 어떤 차량이 먼저 진행하는지 신경 쓰지 않습니다. 이 값은 상호 작용 전반에 걸쳐 고정됩니다.

(우리는 "화를 잃는 것"을 고려하지 않습니다. 여기에서 자세히 설명하지 않겠지만 "수학적 이유"로 유지하겠습니다.)

기술 요약 :모델의 일부가 상대방 운전자의 일종의 "읽기"를 요구합니까?

크리스토프 킬링 :"읽기"에 대한 한 마디:로봇 공학에서 우리는 세계의 상태(즉, 지금의 행성 지구)와 관찰을 구별합니다. 우리 차량에는 메모리 모듈이 없습니다. 그렇다면 현재 보이지 않는 것을 어떻게 처리할까요?

기술 브리프에서 더 많은 자율 주행 자동차

자율주행차를 위한 경고 시스템은 실패를 통해 학습합니다.

뮌헨 공과 대학의 소프트웨어는 자율 주행 차량을 안전한 길로 안내합니다.

예를 들어 누군가와 Zoom 통화를 하고 있다고 가정해 보겠습니다. 말하자면 당신은 행성 지구의 부분적인 관찰을 인지합니다. 상대방은 카메라 시야 밖에서 커피잔을 들고 한 모금 마시고 다시 카메라 시야 밖에 내려놓습니다. 머그잔을 내려놓은 후 마지막으로 관찰한 내용만 고려하면 무엇을 마실지 묻는 질문을 받으면 (기억이 없기 때문에) 단순히 알 수 없습니다. 그러나 지난 몇 초 동안 여러 관찰을 함께 쌓으면(우리는 "연결"이라고 함) 머그가 여러 프레임에 걸쳐 이동하는 것을 볼 때 세계 상태에 대해 무언가를 추론할 수 있습니다. 얼마나 빨리 움직이는지에 따라 기분을 알 수 있을 수도 있습니다.

마찬가지로, 우리 시나리오에서 각 자동차는 관찰 공간에서 관찰할 수 있는 것을 기반으로 다른 에이전트만 알고 있습니다(그림 2 참조.