Socially Intelligent Path-Planning for Autonomous Vehicles Using Type-2 Fuzzy Estimated Social Psychology Models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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 <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$4.181~m/s^{2}$ </tex-math></inline-formula> to <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$0.196~m/s^{2}$ </tex-math></inline-formula> 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle