蓋世汽車訊 現在，雖然有很多自動駕駛汽車在仿真測試或初始測試中取得了矚目的成績，但是在真實街道上接受測試時，往往無法基於周圍車輛或代理的情況調整自己的行進軌跡，特別是在十字路口或者多車道街道等需要一定協調能力的駕駛場景下。
自動駕駛汽車與其他汽車(圖片來源：史丹福大學)
據外媒報導，為此，美國史丹福大學(Stanford University)的研究人員近日研發了一種計算技術——LUCIDGames，該技術整合了基於博弈理論的算法以及一種估計方法，能夠為自動駕駛汽車預測和規劃自適應路徑。
人類通常能夠明白周圍車輛駕駛員的目標，並能夠協商出決策，例如在一個十字路口上，哪一個先走。史丹福大學的研究人員嘗試在自動駕駛車輛上複製此種能力，並將此種複雜行為應用到自動駕駛汽車上，總體目標是讓自動駕駛汽車能夠識別周圍車輛的目標，從而在需要協商的駕駛情境中規劃出更合適的行進路徑。
自動駕駛汽車與其他汽車(圖片來源：史丹福大學)
研究人員表示：「我們的研究結合了兩種主要的工具，一個是基於博弈理論的算法，一個是估計技術。基於博弈理論的組件在自動駕駛汽車的目標與其他代理(如其他車輛、行人、騎行者等)的目標不一致時，能夠推理出其與其他代理的互動內容。另一方面，估計技術能夠讓自動駕駛車輛在與其他代理互動時，迅速發現其他代理隱藏的目標，例如，所期望的車速、所期望的行駛車道、互動車輛的攻擊性等。」
LUCIDGames技術旨在讓自動駕駛汽車能夠迅速識別周圍車輛和行人的目標，讓其能夠預測到其他代理未來的動作，並在其他代理周圍安全行駛，即使在複雜的駕駛場景下也能如此。
該系統由一個「估計器」(識別駕駛員目標的技術)和一個「決策器」(控制自動駕駛轉向角度與加速的算法)組成，「決策器」可以根據「估計器」收集的信息識別最適合車輛的行駛軌跡。
研究人員解釋道：「一開始，自動駕駛車輛並不知道周圍其他車輛的目標，因此估計器能夠猜測此類目標。每猜一次，自動駕駛汽車就能夠預測接下來幾秒其他車輛的軌跡，然後將預測內容與真實情況進行比較，預測最準確的內容就會被保留下來。」
在經過初級訓練後，LUCIDGames會重新猜測與此前猜測接近的其它代理的路徑，並評估其預測性能。通過每秒重複幾次該過程，該技術能夠改進猜測內容，並最終猜測出周圍其他代理如何移動。
研究人員表示：「利用該技術，自動駕駛汽車也能夠清楚何時對自己的猜測有信心，何時不太確定，信心降低。在不確定的情況下，自動駕駛汽車會採取更謹慎的行動，並與其他車輛保持更大的安全距離。」
該技術的預測組件能夠讓自動駕駛汽車根據駕駛員在街道上遇到的事件類型調整自己的決策。例如，該組件能夠確定是否一位駕駛員的行為很有攻擊性，從而能夠讓決策組件相應地調整自動駕駛汽車的軌跡和移動，例如讓自動駕駛汽車與具攻擊性的駕駛員保持更大的安全距離。沒有此類預測技術，不管周圍的駕駛員小心翼翼還是具有攻擊性，自動駕駛汽車都會執行一樣的操作，從而會增加發生事故的風險。
未來，LUCIDGames能夠提升自動駕駛汽車的安全性與可靠性，讓自動駕駛汽車通過預測周圍環境中其他代理的移動和行動，調整自己的移動。截至目前，研究人員只評估了該技術在仿真場景中的性能，現在正計劃將其應用於真實的自動駕駛汽車，以進行測試。