Abstract
« Les véhicules autonomes, en fonction du comportement humain des participants au trafic estimés et de leur interaction, constituent le principal problème du système de conduite automatique. La théorie cognitive classique suppose que le comportement des participants au trafic humain est tout à fait raisonnable lorsqu’on étudie l’estimation de l’intention et de l’interaction. Cependant, selon la théorie quantique de la cognition et de la décision ainsi que des cas pratiques de circulation, le comportement humain, y compris le comportement routier, est souvent déraisonnable, ce qui viole la théorie classique de la cognition et de la décision. Basé sur la théorie cognitive quantique, cet article étudie le problème cognitif du passage pour piétons. Grâce à l'analyse de cas, il est prouvé que le modèle bayésien de type quantique (QLB) peut prendre en compte le caractère raisonnable des piétons lorsqu'ils traversent la rue par rapport au modèle probabiliste classique, étant plus cohérent avec la situation réelle. L'expérience de prédiction de trajectoire prouve que le modèle QLB peut couvrir les événements de bord dans des scènes interactives par rapport au modèle Social-LSTM basé sur les données, étant plus cohérent avec la trajectoire réelle. Cet article fournit une nouvelle référence pour la recherche sur le problème cognitif de l’intention sur le comportement rationnel limité des participants à la circulation humaine en conduite autonome.
Source : https://semiengineering.com/research-on-quantum-cognition-in-autonomous-driving/
