Abstrakcyjny
„Głównym problemem w systemie automatycznego prowadzenia pojazdu są pojazdy autonomiczne, które mają na celu przewidywanie ludzkich zachowań przewidywanych uczestników ruchu i ich wzajemne oddziaływanie. Klasyczna teoria poznawcza zakłada, że zachowanie uczestników ruchu drogowego jest całkowicie uzasadnione przy badaniu szacowania intencji i interakcji. Jednak zgodnie z kwantową teorią poznania i decyzji oraz praktycznymi przypadkami ruchu drogowego, zachowania ludzkie, w tym zachowania w ruchu drogowym, są często nieracjonalne, co narusza klasyczną teorię poznania i decyzji. W artykule omówiono problem poznawczy przejścia dla pieszych w oparciu o kwantową teorię poznawczą. Analiza przypadków wykazała, że kwantowy model bayesowski (QLB) może uwzględniać zasadność pieszych przechodzących przez ulicę w porównaniu z klasycznym modelem prawdopodobieństwa, bardziej zgodnym z rzeczywistą sytuacją. Eksperyment przewidywania trajektorii dowodzi, że model QLB może obejmować zdarzenia brzegowe w interaktywnych scenach w porównaniu z modelem Social-LSTM opartym na danych, będąc bardziej zgodnym z rzeczywistą trajektorią. Niniejsza praca stanowi nowe odniesienie do badań nad poznawczym problemem intencji dotyczącym ograniczonego racjonalnego zachowania uczestników ruchu drogowego w jeździe autonomicznej.”
Źródło: https://semieengineering.com/research-on-quantum-cognition-in-autonominomous-driving/
