นามธรรม
“รถยนต์ขับเคลื่อนอัตโนมัติสำหรับพฤติกรรมมนุษย์ของผู้เข้าร่วมการจราจรโดยประมาณและการโต้ตอบของพวกเขาคือปัญหาหลักในระบบการขับขี่อัตโนมัติ ทฤษฎีความรู้ความเข้าใจแบบคลาสสิกถือว่าพฤติกรรมของผู้เข้าร่วมการจราจรของมนุษย์นั้นสมเหตุสมผลอย่างสมบูรณ์เมื่อศึกษาการประมาณความตั้งใจและการมีปฏิสัมพันธ์ อย่างไรก็ตาม ตามควอนตัมควอนตัมและทฤษฎีการตัดสินใจ เช่นเดียวกับกรณีจราจรจริง พฤติกรรมมนุษย์รวมถึงพฤติกรรมการจราจรมักจะไม่สมเหตุสมผล ซึ่งละเมิดความรู้ความเข้าใจแบบคลาสสิกและทฤษฎีการตัดสินใจ จากทฤษฎีความรู้ความเข้าใจควอนตัม บทความนี้ศึกษาปัญหาความรู้ความเข้าใจเกี่ยวกับการข้ามถนนคนเดินข้ามถนน จากการวิเคราะห์กรณีศึกษา ได้รับการพิสูจน์แล้วว่าแบบจำลอง Quantum-like Bayesian (QLB) สามารถพิจารณาความสมเหตุสมผลของคนเดินถนนเมื่อข้ามถนนเมื่อเทียบกับแบบจำลองความน่าจะเป็นแบบคลาสสิก ซึ่งสอดคล้องกับสถานการณ์จริงมากกว่า การทดลองการทำนายเส้นทางพิสูจน์ว่าแบบจำลอง QLB สามารถครอบคลุมเหตุการณ์ขอบในฉากแบบโต้ตอบได้เมื่อเทียบกับแบบจำลอง Social-LSTM ที่ขับเคลื่อนด้วยข้อมูล ซึ่งมีความสอดคล้องกับวิถีจริงมากกว่า บทความนี้เป็นข้อมูลอ้างอิงใหม่สำหรับงานวิจัยเกี่ยวกับปัญหาความรู้ความเข้าใจเกี่ยวกับพฤติกรรมที่มีเหตุผลที่มีขอบเขตของผู้เข้าร่วมการจราจรของมนุษย์ในการขับขี่อัตโนมัติ”
ที่มา: https://semiengineering.com/research-on-quantum-cognition-in-autonomous-driving/
