Invoegen als een mens: TU Delft ontwikkelt model om zelfrijdende auto's sociaal te laten rijden
Wetenschappers van de TU Delft hebben een nieuw model ontwikkeld dat het gedrag van mensen tijdens het invoegen op de snelweg beter beschrijft. De huidige modellen veronderstellen vaak dat bestuurders continu proberen hun gedrag te optimaliseren om zo snel en veilig mogelijk op hun bestemming te komen, maar dat blijkt niet altijd te kloppen, ontdekte postdoc Olger Siebinga. Het nieuwe model geeft meer inzicht in menselijke interacties op de snelweg en kan worden gebruikt om autonome auto’s te verbeteren.
Voor veel bestuurders is invoegen op de snelweg een routinehandeling, waarbij ze nauwelijks nog nadenken over de vele factoren die meespelen. Maar pas wanneer je dit gedrag probeert na te bootsen in een computermodel, wordt duidelijk hoe complex het invoegen eigenlijk is. “De huidige modellen zijn gebaseerd op de speltheorie, die ervan uitgaat dat mensen altijd streven naar optimaal gedrag om als ‘winnaar’ uit de situatie te komen. Maar in werkelijkheid werken mensen in de meeste situaties anders,” legt Siebinga, die in mei cum laude promoveerde op dit onderwerp, uit. Hij ontdekte dat bestuurders niet per se als eerste willen zijn, maar prioriteit geven aan een gezamenlijk doel: het vermijden van een botsing.
Vereenvoudigd invoegscenario
In het wetenschappelijk tijdschrift PNAS Nexus presenteert Siebinga, samen met hoogleraar David Abbink en universitair docent Arkady Zgonnikov, een nieuw interactiemodel, gebaseerd op risicoperceptie en communicatie. Dit is het eerste model dat menselijke interacties op meerdere niveaus verklaart: van de controle input, zoals hoe mensen gas geven, tot veiligheidsmarges die bestuurders aanhouden in de vorm van de afstand tot andere auto’s, en tenslotte de uiteindelijke beslissingen over wie er als eerste gaat. Daardoor is het model veel bruikbaarder voor toepassingen zoals autonome voertuigen.
Ir. O. (Olger) Siebinga
Human-Robot Interaction
Het raamwerk voor dit model kwam uit een eerder experiment waarin Siebinga twee proefpersonen tegelijkertijd liet deelnemen aan een vereenvoudigd invoegscenario. Ze konden hierbij alleen gas geven of remmen en waren gescheiden door een wand, zodat ze hun gedrag alleen konden baseren op wat ze op een computerscherm zagen. “We zagen dat mensen hun plannen aanpassen op basis van communicatie en risicoperceptie. Ze vormen een beeld van de situatie door de snelheid van een andere auto te interpreteren als communicatie en schatten op basis daarvan een risico. Als dit waargenomen risico te hoog wordt, veranderen bestuurders hun gedrag, bijvoorbeeld door gas te geven of te remmen, om toch tot een veilige uitkomst te komen.”
Menselijk gedrag begrijpen
Door middel van modelleren krijgen we meer inzicht in menselijk gedrag. “Als we beter leren begrijpen wat ten grondslag ligt aan onze beslissingen, kunnen we betere systemen ontwikkelen en autonome voertuigen in staat stellen om op een manier te werken die wij als sociaal acceptabel ervaren”, zegt Siebinga. Dat is namelijk een van de grootste uitdagingen in het geautomatiseerde rijden: hoe zorgen we ervoor dat normale autobestuurders zelfrijdende auto’s begrijpen en vertrouwen? Het nieuwe model van Siebinga draagt hieraan bij en legt de basis voor veilige en geaccepteerde autonome voertuigen. Momenteel werkt hij aan een uitbreiding van dit model, waarin ook het sturen wordt meegenomen.
Dit onderzoek is medegefinancierd door Nissan Motor Company, Ltd.
