通过fNIRS集成乘客生理状态的自动驾驶汽车的安全决策

科学领域:

• 机器人和人工智能 机器人和人工智能
• 生物医学工程 生物医学工程
• 运输安全运输安全

背景情况:

• 由于功能限制,自动驾驶技术面临安全挑战,需要人类干预.
• 传统的决策算法在自动驾驶汽车中与不可预测的风险行为作斗争.
• 乘客的幸福感和风险感知是安全自动驾驶的关键因素.

研究的目的:

• 为自动驾驶汽车开发一个智能安全决策算法,包括乘客风险评估.
• 通过实时分析乘客生理状态,提高自动驾驶的安全性和舒适性.
• 克服自动驾驶系统中传统决策方法的局限性.

主要方法:

• 提出了一个基于双延迟深确定性政策梯度 (TD3) 的智能安全决策算法.
• 通过使用功能近红外光谱学 (fNIRS) 在线分析生理状态,进行乘客综合风险评估.
• 在自主应急车,前部车辆切入和行人交叉场景中进行了实验.

主要成果:

• 与传统的TD3相比,拟议的算法显示了更快的融合速度.
• 该算法在关键驾驶场景中实现了卓越的安全性能.
• 通过新的决策方法观察到更高的舒适度.

结论:

• 智能安全算法通过结合乘客风险评估,有效地提高了自动驾驶汽车的决策能力.
• 功能近红外光谱 (fNIRS) 是一种可行的技术,用于自动驾驶汽车实时监控乘客.
• 这种方法显著提高了自动驾驶系统的安全性和舒适性.