摘要
自动驾驶车辆对于人类行为意图的估计以及他们之间的交互是自动驾驶系统的主要问题。经典认知理论在研究意图估计和交互时,假设人类交通参与者的行为是完全合理的。然而,从量子认知与决策理论以及实际的交通案例来看,包括交通行为在内的人类行为往往是不合理的,违背了经典的认知与决策理论。本文基于量子认知理论,研究了行人过马路的认知问题。通过案例分析证明,与经典概率模型相比,类量子贝叶斯(QLB)模型可以考虑行人过马路的合理性,更符合实际情况。轨迹预测实验证明,与数据驱动的Social-LSTM模型相比,QLB模型能够覆盖交互场景中的边缘事件,更符合真实轨迹。本文为研究自动驾驶中人类交通参与者有限理性行为的意图认知问题提供了新的参考。
找到开放获取这里是技术文件.公布的01/2022。
留下回复