portant;">arXiv论文“SocialInteractionsforAutonomousDriving:AReviewandPerspective“，2022年8月，来自加拿大的McGill大学和Toronto大学，以及美国的CMU。
portant;">因此，让自动驾驶汽车（AV）配备人与人之间交互的集体动力学，可以在人类环境中做出知情和社会兼容的决策。自动驾驶车辆的社会行为。作为移动智能的智体，智能车辆也需要与人类交互，并将成为复杂社会系统的一部分。在这样一个安全-紧要的系统中，AVs应该无缝地融入到有人类驾驶的道路中，并在社交上与达到人类水平的性能兼容。然而，如图所示，人类驾驶员遵循的规范与自动驾驶车辆之间存在很大差距。
portant;">严格遵循法律规范的自动驾驶车辆可能无法应对高度交互的场景，并搞糊涂其他遵循社会规范的人类驾驶员。例如，在停车标志（可被视为法律规范）向人类传递令人困惑的社会线索之前，AV严格且刻板地遵循3秒法则：“为什么车辆不前进？”为了有效沟通，AVs需要模仿或理想地改进，如人类一般驾驶，这要求他们：
portant;">并不是说AVs为了表现得像人类驾驶员或与社会兼容就要违反交通规则。学习和理解人类驾驶员遵循的社会规范有助于高效安全的交互。如图说明了两个智体（人类驾驶员和/或AV）之间的动态通信过程，每个智体在信息交换过程中扮演两个角色：信息发送者和接收者。例如，智体A将充当信息发送者，“告诉”智体B其意图。同时，智体B应该感知并理解智体A提供的信息（即感知），然后通过提供可识别的有用信息采取一些行动来响应或适应智体A。
portant;">确定交互何时发生的另一种方法是在环境中设置特定的感兴趣区域（RoI）。同时占据RoI的任意一对智体之间存在交互，并且一旦任何一个智体移动到RoI之外，交互就会消失。设置RoI通常是面向应用的，可以根据以下两种方法进行设计：
portant;">基于理性效用的模型日常交通中最常见的交互场景是城市环境和高速公路中的跟车、汇入/汇出和换道。研究人员将人类驾驶员视为最优控制器，其具有可访问的目标函数，实现预定义的目标导向（goal-oriented）任务，制定这些场景中的行为。例如，当在公路闸道上汇合时，将整个过程视为一个显式动态系统，可以将公路上后方车辆对前方车辆的纵向行为（如加速/减速）表示为一个最优控制器。然而，自然交通场景中驾驶员或其他人之间的交互具有物理（例如，运动学和几何）和社会（例如，意图、注意和责任）约束。通常，基于优化的方法需要特定的目标（例如，车辆之间的期望间隙和车头前进速度）和待优化的目标函数。本文没有列举所有基于优化的方法，但选择了一些流行的方法，包括基于swarm/flocking的模型、博弈论模型、模仿学习和马尔可夫决策过程（MDP）。
portant;">博弈论框架提供了一个可解释的显式解决方案来模拟人类驾驶员之间的动态交互。然而，尽管简化系统动力学和信息结构方面取得了一些进展，但仍难以满足其在连续状态-动作空间中计算易处理的实时约束。由于这些限制，大多数当前的博弈论交互建模方法都存在可扩展性问题，因此仅限于两个车辆的设置和模拟实验，或只是成对地处理多智体场景。社会偏好是一种方法，将重复博弈的长期影响补偿为单步博弈的奖励。社会价值反映了智体在交互中的经验，可嵌入智体的效用（RL领域称为奖励，或控制理论领域称为成本函数）。人类是有适应性的，通过与环境安全交互的奖励-强化机制学习驾驶。受此启发，学习与其他驾驶员交互的过程，可以通过博弈论的强化学习来制定。除自车之外的智体可视为环境的一部分，会产生两种交互建模的博弈方案。如图所示：分为异步和同步。
portant;">
portant;">深度学习是一种强大的工具，具有良好的多智体交互建模潜力。如今，神经网络可能非常复杂。例如，用于自然语言处理（NLP）任务的大型模型GPT-3在其完整版本中有1750亿个模型参数。然而，基本上有四种类型的基本神经网络构建块（全连接层、卷积层、递归层和图层），可以为特定应用开发复杂的网络。不同的构建块在数据和解决方案空间上造成不同的归纳偏差。人们选择不同的构建块将不同的归纳偏差注入学习过程获得更好的性能，而不匹配的归纳偏差可能反过来导致次优或较差的性能。对于许多深度学习实践者来说，这些模块可能已经是现成的，并且正在开发每个层更复杂的变型和操作。
portant;">以下是三种基于图的交通场景交互建模方法：图神经网络、贝叶斯动态网络和拓扑模型。
portant;">在交互场景中，人类是通用智体；人类行为解释的机制是目的论（teleological）。此外，人们的决策受益于其构建的心理表征，如拓扑结构，在复杂的交互中取得成功，有效地简化了推理。因此，人类将其观测抽象为高层嵌入，是不变、可共享和可重用的交叉交互场景和行为。那么，如何定义和查找这些嵌入？尽管贝叶斯非参数动态网络可以在低粒度提取基元来分析高维序列，但不能考虑多智体交互的行为和几何结构以及目的性推理。对于多智能体行为，自然会提出两个基本问题：
portant;">上述三个问题中的每一个都可以用一个特定的（但不是唯一的）认知理论来解释。
portant;">基于此，许多经典的交互模型被开发来解释人类驾驶员，例如经典的跟车模型以及变道交互模型。激励-响应交互归类为简单的社会交互（例如，跟车行为中的反应性交互）。
portant;">人类是天生的读心术；人类驾驶员天生就具有将自己置于其他驾驶员的位置并对其行为和意图进行推理的能力。与人工机器不同，心智理论（ToM）描述了人类与其他人类主体交互能力的一个基本属性，即人类可以对其他人类主体的心理状态和行为进行推理。一个经典的认识是人类通过镜像神经元的能力，即将自己置于他人的位置的能力，能够更好地与环境交互，并更有效地与同伴合作。例如，在高速公路上理性的人类驾驶员通常会留出空间，让路给试图合并的闸道车辆。在交通心理学中，ToM广泛指的是人类驾驶员在没有明确沟通的情况下代表他人心理状态的能力，包括他们的欲望、信念和意图。如图（a）和（b）比较了ToM和IRL/RL的结构，并表明可以在IRL/RL结构下指定ToM。蓝色箭头表示人类的心理状态推断（即在某些观察行为下，推断人类不可观察的信念和愿望），这与IRL中的问题相对应（即，根据一些观察策略执行，推断出智体的世界不可观察模型和奖励函数）。此外，ToM可以将人类心理形式化，即给定观察行为不可观察变量（即信念、欲望和感知）的贝叶斯推理，这是行为的生成模型。
portant;">如表2还说明了ToM、IRL/RL和贝叶斯ToM的核心组件之间的联系。
portant;">另一方面，ToM还提供了博弈论方法和假设，使它们在建模交互时计算上易于处理。
portant;">理性人类驾驶行为是对动态环境做出响应的所有可能解决方案中“接近最优”或“最优”结果。这一观察结果，能够将人与人之间的交互表述为一个可计算的优化模型，最大化特定的目标。另一种流行的行为优化方法是速度障碍（VO，velocityobstacles），用于模拟人类驾驶交互同时保证无碰撞，该方法已广泛应用于多机器人领域。该方法成功地模拟异构交通环境中的交互和交通轨迹的预测。基于优化的方法在分析上可以解释，在数学上可以证明，包括不同的约束以避免碰撞。然而，对于具有满意计算性能的在线应用程序来说，解决此类复杂优化问题将是一个挑战。
portant;">人类驾驶员之间学习的时空交互可以将节点作为矢量化时空特征的图模型来推理车辆关系。虽然GNN和带有张量融合的社交池化可以方便地使用辅助信息以端到端的方式训练网络，但它们无法确保所需的物理或社会因素是否被实际捕获和学习（即缺乏可解释性）。大多数用图模型进行多智体行为和轨迹预测的工作，都是通过仔细采用这些预测来实现社会兼容自主车辆的安全路径规划和控制设计。然而，当其应用于人类驾驶-自主驾驶的混合环境时，在没有自主智体的情况下，所导出的交互模型准确性是值得怀疑的，因为人类驾驶员可能对自动驾驶汽车有不同的行动。这些模型忽略自主系统对人类智体的影响。此外，GNN提供了直观的理解，但在数量上并不精确，这不足以用于安全-紧要应用，如自动驾驶。
portant;">计算认知为理解人类驾驶员之间社会交互中各种认知功能的本质提供了新的视角。借鉴认知计算神经科学的思想和发现，一些工作解释人类驾驶员在交互中的决策过程。然而，一方面，现有方法通常提供过多的细节，例如，描述低级神经现象，使模型显得过大。另一方面，有些方法过于简单，在实践中难以处理，例如，仅在实验室环境中进行测试，缺乏复杂驾驶环境中的原则性调查，或提供决策的高级认知结构。因此，在实时预测人类驾驶行为中实现这些机制的主要实验室机制和实际应用之间存在着挑战性的差距。
portant;">很多交互模型未能调查对抗性鲁棒性，没有从社会理解的角度评估这些模型与社会行为的一致性。社会理解可以揭示当前模型的局限性，从而提供未来可能的方向。在许多交通应用中，模型鲁棒性仍然是一个核心问题。这可能是由设计模型和生成数据之间的不匹配造成的，包括两个方面。