Abstrakt
„Bei autonomen Fahrzeugen ist die Absicht des menschlichen Verhaltens der geschätzten Verkehrsteilnehmer und deren Interaktion das Hauptproblem im automatischen Fahrsystem.“ Die klassische kognitive Theorie geht davon aus, dass das Verhalten menschlicher Verkehrsteilnehmer bei der Untersuchung der Einschätzung von Absicht und Interaktion völlig vernünftig ist. Nach der Quantenkognitions- und Entscheidungstheorie sowie praktischen Verkehrsfällen ist menschliches Verhalten, einschließlich Verkehrsverhalten, jedoch oft unvernünftig, was gegen die klassische Kognitions- und Entscheidungstheorie verstößt. Basierend auf der quantenkognitiven Theorie untersucht dieser Artikel das kognitive Problem des Fußgängerüberwegs. Durch die Fallanalyse wurde bewiesen, dass das Quantum-like Bayesian (QLB)-Modell im Vergleich zum klassischen Wahrscheinlichkeitsmodell die Vernünftigkeit von Fußgängern beim Überqueren der Straße berücksichtigen kann und besser mit der tatsächlichen Situation übereinstimmt. Das Experiment zur Trajektorienvorhersage beweist, dass das QLB-Modell im Vergleich zum datengesteuerten Social-LSTM-Modell die Randereignisse in interaktiven Szenen abdecken kann und konsistenter mit der realen Trajektorie ist. Dieses Papier bietet eine neue Referenz für die Forschung zum kognitiven Problem der Absicht auf begrenztes rationales Verhalten menschlicher Verkehrsteilnehmer beim autonomen Fahren.“
Quelle: https://semiengineering.com/research-on-quantum-cognition-in-autonomous-driving/
