Abstrakt
"Autonome kjøretøyer for intensjonen om menneskelig oppførsel til de estimerte trafikkdeltakerne og deres interaksjon er hovedproblemet i automatiske kjøresystemer. Klassisk kognitiv teori antar at atferden til deltakere i mennesketrafikk er helt rimelig når man studerer estimering av intensjon og interaksjon. Men i henhold til kvantekognisjons- og beslutningsteorien samt praktiske trafikksaker, er menneskelig atferd inkludert trafikkatferd ofte urimelig, noe som bryter med klassisk kognisjons- og beslutningsteori. Basert på den kvantekognitive teorien studerer denne artikkelen det kognitive problemet med fotgjengeroverganger. Gjennom caseanalysen er det bevist at den Quantum-like Bayesian (QLB) modellen kan vurdere rimeligheten til fotgjengere når de krysser gaten sammenlignet med den klassiske sannsynlighetsmodellen, og er mer konsistent med den faktiske situasjonen. Eksperimentet med baneprediksjon beviser at QLB-modellen kan dekke kanthendelsene i interaktive scener sammenlignet med den datadrevne Social-LSTM-modellen, og er mer konsistent med den virkelige banen. Denne artikkelen gir en ny referanse for forskningen på det kognitive problemet med intensjon om avgrenset rasjonell oppførsel til deltakere i mennesketrafikk i autonom kjøring."
Kilde: https://semiengineering.com/research-on-quantum-cognition-in-autonomous-driving/
