Astratto
“I veicoli autonomi per l'intenzione del comportamento umano dei partecipanti al traffico stimati e la loro interazione sono il problema principale nel sistema di guida automatica. La teoria cognitiva classica presuppone che il comportamento dei partecipanti al traffico umano sia del tutto ragionevole quando si studia la stima dell'intenzione e dell'interazione. Tuttavia, secondo la cognizione quantistica e la teoria della decisione, nonché i casi pratici di traffico, il comportamento umano, incluso il comportamento del traffico, è spesso irragionevole, il che viola la cognizione classica e la teoria della decisione. Basato sulla teoria cognitiva quantistica, questo articolo studia il problema cognitivo dell'attraversamento pedonale. Attraverso l'analisi del caso, si dimostra che il modello bayesiano quantistico (QLB) può considerare la ragionevolezza dei pedoni quando attraversano la strada rispetto al modello di probabilità classico, essendo più coerente con la situazione reale. L'esperimento di previsione della traiettoria dimostra che il modello QLB può coprire gli eventi di bordo nelle scene interattive rispetto al modello Social-LSTM basato sui dati, essendo più coerente con la traiettoria reale. Questo documento fornisce un nuovo riferimento per la ricerca sul problema cognitivo dell'intenzione sul comportamento razionale limitato dei partecipanti al traffico umano nella guida autonoma.
Fonte: https://semiengineering.com/research-on-quantum-cognition-in-autonomous-driving/
