Socially Intelligent Path-Planning for Autonomous Vehicles Using Type-2 Fuzzy Estimated Social Psychology Models
Notice bibliographique
Résumé
This paper presents a novel framework for socially aware path-planning in autonomous vehicles, integrating Social Value Orientation (SVO) within Artificial Potential Fields (APF) and employing Type-2 Fuzzy Logic for robust SVO approximation. By incorporating an adaptive gradient descent algorithm and leveraging a Type-2 fuzzy system for dynamic modeling of social psychology in vehicular navigation, we enhance autonomous vehicles’ ability to interpret and react to social cues in real-time traffic scenarios. Our approach significantly improves interaction with human road users, ensuring safer and more efficient navigation. The proposed model addresses the limitations of traditional APFs, such as local minima issues, by incorporating dynamic enhanced firework algorithms and resistance networks. It also considers vehicle dynamics, including nonholonomic constraints and tire forces, using a bicycle model for realistic trajectory planning. We introduce a comprehensive set of social cues for pedestrians and vehicles, operationalized through interval type-2 fuzzy system (IT2FS) approximation, to accurately estimate SVO and adjust AV behavior accordingly. Validation is conducted through extensive simulations in a realistic environment using the CARLA simulator, demonstrating the effectiveness of our socially intelligent path-planning mechanism in diverse driving situations. The results show a significant improvement in AV performance, with a 2.93% more altruistic estimation for the vehicle in the right lane and a 1.85% more altruistic estimation for the immobile vehicle. Additionally, the system demonstrated smoother acceleration and steering profiles, reducing peak longitudinal acceleration from$4.181~m/s^{2}$to$0.196~m/s^{2}$and improving overall driving stability. This framework enhances autonomous vehicles’ safety, efficiency, and social acceptability, contributing to their successful integration into urban traffic systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».