혼합 교통 환경에서의 자율 주행: 불확실성 인식 계획과 제한된 합리성

Wang, Fang, Zhang 세 연구원은 혼합 교통 환경에서 자율 주행 차량(AV)과 인간 운전 차량(HV)의 이기종 의사결정에 대한 연구를 진행하여, 제한된 합리성을 가진 인간 운전자의 의사결정 모델링과 불확실성 인식 계획의 중요성을 강조하고, AV 학습 성과의 Goodhart 법칙 및 HV 의사결정 과정의 복합 효과와 같은 흥미로운 현상을 발견했습니다.

최근 몇 년 동안 자율 주행 차량(AV)의 배치가 급증했습니다. 자율 주행 차량과 인간 운전 차량(HV)은 수년간 공존할 것이며, 자율 주행 차량은 다른 차량, 보행자, 자전거 이용자 등과 함께 운행해야 합니다. 이는 혼합 자율성을 달성하기 위한 혼합 교통에 적합한 AI의 근본적인 발전을 요구합니다.

Wang, Fang, Zhang 세 연구원이 진행한 연구는 바로 이러한 문제에 초점을 맞추었습니다. 그들은 혼합 교통 환경에서 AV와 HV의 이기종 의사결정을 연구하여 인간과 기계 의사결정 간의 상호 작용을 포착하고, 차량이 안전하고 효율적으로 운행될 수 있도록 하는 AI 기반을 개발하는 것을 목표로 합니다.

혼합 자율성을 달성하는 데에는 여러 가지 어려움이 있습니다. 첫째, 인간 운전자는 제한된 합리성으로 운전 결정을 내리며, HV 의사결정에 대한 정확한 모델을 개발하는 것은 여전히 과제입니다. 둘째, 불확실성 인식 계획은 HV의 행동에 대한 예측을 바탕으로 AV가 안전 조치를 취하는 데 중요한 역할을 합니다.

이 논문에서는 HV가 제한된 합리성으로 의사결정을 하고 AV가 HV의 미래 행동 예측에 기반한 불확실성 인식 계획을 사용하는 AV-HV 상호 작용에 대한 공식을 제시합니다. 연구진은 AV와 HV의 학습 후회에 대한 포괄적인 분석을 수행하여 다음과 같은 질문에 답했습니다.

1. 학습 성과는 HV의 제한된 합리성과 AV의 계획에 어떻게 의존하는가?
2. 서로 다른 의사결정 전략은 전반적인 학습 성과에 어떤 영향을 미치는가?

그 결과, AV의 학습 성과에 대한 Goodhart 법칙과 HV 의사결정 과정의 복합 효과와 같은 흥미로운 현상이 드러났습니다. 후회의 역동성을 조사함으로써 인간과 기계 의사결정 간의 상호 작용에 대한 통찰력을 얻을 수 있었습니다. 이 연구는 혼합 교통 환경에서 안전하고 효율적인 자율 주행 시스템 개발에 중요한 기여를 할 것으로 기대됩니다. 앞으로 더욱 심도있는 연구를 통해 인간과 기계의 상호작용에 대한 이해를 높이고, 보다 안전하고 효율적인 자율 주행 기술 개발로 이어질 것으로 예상됩니다.