תַקצִיר
"כלי רכב אוטונומיים למטרת התנהגות אנושית של משתתפי התנועה המשוערים והאינטראקציה ביניהם היא הבעיה העיקרית במערכת הנהיגה האוטומטית. התיאוריה הקוגניטיבית הקלאסית מניחה שהתנהגותם של משתתפי תנועה אנושית סבירה לחלוטין כאשר לומדים אומדן של כוונה ואינטראקציה. עם זאת, על פי תורת ההכרה וההחלטות הקוונטית וכן מקרי תעבורה מעשיים, התנהגות אנושית לרבות התנהגות תעבורתית היא לרוב בלתי סבירה, מה שמפר את תורת ההכרה וההחלטות הקלאסית. בהתבסס על התיאוריה הקוגניטיבית הקוונטית, מאמר זה בוחן את הבעיה הקוגניטיבית של מעבר הולכי רגל. באמצעות ניתוח המקרה, הוכח שהמודל ה-Quantum-like Bayesian (QLB) יכול לשקול את הסבירות של הולכי רגל בעת חציית רחוב בהשוואה למודל ההסתברות הקלאסי, ולהיות עקבי יותר עם המצב בפועל. הניסוי של חיזוי מסלול מוכיח שמודל ה-QLB יכול לכסות את אירועי הקצה בסצנות אינטראקטיביות בהשוואה למודל ה-Social-LSTM מונחה הנתונים, ולהיות עקבי יותר עם המסלול האמיתי. מאמר זה מספק התייחסות חדשה למחקר על הבעיה הקוגניטיבית של כוונה על התנהגות רציונלית מוגבלת של משתתפי תנועה אנושית בנהיגה אוטונומית."
מקור: https://semiengineering.com/research-on-quantum-cognition-in-autonomous-driving/
