• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Predicción de personas que impulsan personalidades

    En escenarios de fusión de carriles, un sistema desarrollado en el MIT podría distinguir entre conductas de conducción altruistas y egoístas. Crédito:Instituto de Tecnología de Massachusetts

    Llegan los coches autónomos. Pero a pesar de sus sofisticados sensores y sus intrincadas capacidades de procesamiento de datos, incluso los autos más vanguardistas carecen de algo que (casi) todos los jóvenes de 16 años con un permiso de aprendizaje tienen:conciencia social.

    Si bien las tecnologías autónomas han mejorado sustancialmente, en última instancia, todavía ven a los conductores que los rodean como obstáculos formados por unos y ceros, en lugar de seres humanos con intenciones específicas, motivaciones, y personalidades.

    Pero recientemente, un equipo dirigido por investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) ha estado explorando si los autos autónomos se pueden programar para clasificar las personalidades sociales de otros conductores. para que puedan predecir mejor lo que harán los diferentes automóviles, y por lo tanto, poder conducir con mayor seguridad entre ellos.

    En un nuevo periódico los científicos integraron herramientas de la psicología social para clasificar el comportamiento de conducción con respecto a cuán egoísta o desinteresado es un conductor en particular.

    Específicamente, utilizaron algo llamado orientación de valor social (SVO), que representa el grado en que alguien es egoísta ("egoísta") versus altruista o cooperativo ("prosocial"). Luego, el sistema estima los SVO de los conductores para crear trayectorias de conducción en tiempo real para los vehículos autónomos.

    Probando su algoritmo en las tareas de fusionar carriles y hacer giros a la izquierda sin protección, el equipo demostró que podían predecir mejor el comportamiento de otros coches en un factor del 25 por ciento. Por ejemplo, en las simulaciones de giro a la izquierda, su automóvil sabía que debía esperar cuando el automóvil que se acercaba tenía un conductor más egoísta, y luego dar la vuelta cuando el otro coche era más prosocial.

    Si bien aún no es lo suficientemente robusto para implementarse en carreteras reales, el sistema podría tener algunos casos de uso intrigantes, y no solo para los coches que se conducen solos. Supongamos que usted es un humano conduciendo y un automóvil ingresa repentinamente en su punto ciego; el sistema podría darle una advertencia en el espejo retrovisor de que el automóvil tiene un conductor agresivo, permitiéndole ajustar en consecuencia. También podría permitir que los automóviles autónomos aprendan a exhibir un comportamiento más similar al humano que será más fácil de entender para los conductores humanos.

    "Trabajar con humanos y en torno a ellos significa descubrir sus intenciones para comprender mejor su comportamiento, "dice el estudiante de posgrado Wilko Schwarting, quien fue el autor principal del nuevo artículo que se publicará esta semana en el último número de la procedimientos de la Academia Nacional de Ciencias . "Las tendencias de las personas a ser colaborativas o competitivas a menudo repercuten en cómo se comportan como conductores. En este documento, buscamos entender si esto era algo que realmente pudiéramos cuantificar ".

    Los coautores de Schwarting incluyen a los profesores del MIT Sertac Karaman y Daniela Rus, así como la científica investigadora Alyssa Pierson y el ex postdoctorado de CSAIL Javier Alonso-Mora.

    Un problema central con los autos autónomos de hoy es que están programados para asumir que todos los humanos actúan de la misma manera. Esto significa que, entre otras cosas, Son bastante conservadores en su toma de decisiones en las paradas de cuatro vías y otras intersecciones.

    Si bien esta precaución reduce la posibilidad de accidentes fatales, también crea cuellos de botella que pueden resultar frustrantes para otros conductores, sin mencionar que es difícil de entender para ellos. (Esta puede ser la razón por la que la mayoría de los incidentes de tráfico han involucrado a conductores impacientes que los chocan por detrás).

    "Crear un comportamiento más similar al humano en los vehículos autónomos (AV) es fundamental para la seguridad de los pasajeros y los vehículos circundantes, Dado que comportarse de manera predecible permite a los humanos comprender y responder adecuadamente a las acciones del AV, "dice Schwarting.

    Para intentar expandir la conciencia social del automóvil, el equipo de CSAIL combinó métodos de psicología social con teoría de juegos, un marco teórico para concebir situaciones sociales entre jugadores en competencia.

    El equipo modeló escenarios viales en los que cada conductor trató de maximizar su propia utilidad y analizó sus "mejores respuestas" dadas las decisiones de todos los demás agentes. Según ese pequeño fragmento de movimiento de otros coches, El algoritmo del equipo podría predecir el comportamiento de los coches circundantes como cooperativo, altruista, o egoísta, agrupando los dos primeros como "prosociales". Los puntajes de las personas para estas cualidades se basan en un continuo con respecto a cuánto demuestra una persona que se preocupa por sí misma en comparación con el cuidado de los demás.

    En los escenarios de fusión y giro a la izquierda, las dos opciones de resultado eran dejar que alguien se incorporara a tu carril ("prosocial") o no ("egoísta"). Los resultados del equipo mostraron que, No es sorprendente, los automóviles que se fusionan se consideran más competitivos que los que no se fusionan.

    El sistema fue capacitado para tratar de comprender mejor cuándo es apropiado exhibir diferentes comportamientos. Por ejemplo, incluso el conductor humano más respetuoso sabe que ciertos tipos de acciones, como cambiar de carril en un tráfico denso, requieren un momento para ser más asertivo y decisivo.

    Para la siguiente fase de la investigación, el equipo planea trabajar para aplicar su modelo a los peatones, bicicletas y otros agentes en entornos de conducción. Además, estarán investigando otros sistemas robóticos que actúan entre humanos, como robots domésticos, e integrando SVO en sus algoritmos de predicción y toma de decisiones. Pierson dice que la capacidad de estimar las distribuciones de SVO directamente a partir del movimiento observado, en lugar de en condiciones de laboratorio, será importante para campos que van mucho más allá de la conducción autónoma.

    "Al modelar personalidades de conducción e incorporar los modelos matemáticamente utilizando el SVO en el módulo de toma de decisiones de un automóvil robot, este trabajo abre la puerta a un intercambio de carreteras más seguro y fluido entre los automóviles impulsados ​​por humanos y los impulsados ​​por robots, "dice Rus.

    Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.




    © Ciencia https://es.scienceaq.com