Abstrakt
"Autonome køretøjer med henblik på menneskelig adfærd af de estimerede trafikdeltagere og deres interaktion er hovedproblemet i automatisk køresystem. Klassisk kognitiv teori antager, at adfærden hos deltagere i mennesketrafik er fuldstændig rimelig, når man studerer estimering af hensigt og interaktion. Men ifølge kvantekognitions- og beslutningsteorien samt praktiske trafiksager er menneskelig adfærd inklusive trafikadfærd ofte urimelig, hvilket bryder med klassisk kognition og beslutningsteori. Baseret på den kvantekognitive teori studerer denne artikel det kognitive problem med fodgængerovergange. Gennem caseanalysen er det bevist, at den Quantum-like Bayesian (QLB) model kan overveje rimeligheden af fodgængere, når de krydser gaden sammenlignet med den klassiske sandsynlighedsmodel, idet den er mere i overensstemmelse med den faktiske situation. Eksperimentet med baneforudsigelse beviser, at QLB-modellen kan dække kanthændelser i interaktive scener sammenlignet med den datadrevne Social-LSTM-model, hvilket er mere i overensstemmelse med den virkelige bane. Dette papir giver en ny reference til forskningen i det kognitive problem med hensigt om afgrænset rationel adfærd hos deltagere i mennesketrafik i autonom kørsel."
Kilde: https://semiengineering.com/research-on-quantum-cognition-in-autonomous-driving/
