Мозговые сигналы пассажиров повышают безопасность автопилота

Современные системы автопилота, несмотря на обещания полной автономности, всё ещё сталкиваются с трудностями в быстро меняющихся и рискованных дорожных условиях. Недавние аварии подтверждают, что технологии ещё далеки от совершенства.

Учёные из Китая предложили новый подход к повышению безопасности беспилотных автомобилей, черпая вдохновение из неожиданного источника – мозговой активности пассажиров. Исследование, опубликованное в журнале Cyborg and Bionic Systems, демонстрирует, как мониторинг сигналов мозга может помочь автопилоту принимать более взвешенные решения в критических ситуациях.

Для отслеживания активности мозга была использована неинвазивная технология функциональной ближней инфракрасной спектроскопии (fNIRS). Этот метод позволяет в реальном времени анализировать когнитивные состояния, связанные со стрессом, эмоциями и восприятием риска.

«fNIRS, как неинвазивный метод мониторинга активности мозга, может предоставлять когнитивную информацию, связанную с человеческим восприятием риска и эмоциональными состояниями, тем самым улучшая системы автономного вождения», — поясняет ведущий автор исследования Сяофэй Чжан, профессор Университета Цинхуа в Пекине.

Разработанный алгоритм интегрирует данные о состоянии пассажиров с программным обеспечением автопилота. Когда система фиксирует повышенный уровень стресса или восприятия риска у пассажиров, автомобиль автоматически переходит на более осторожный режим вождения. Алгоритм, основанный на глубоком обучении с подкреплением, обучается быстрее и выбирает более безопасные траектории, учитывая человеческие реакции.

Тестирование показало, что система, реагирующая на эмоциональное состояние пассажиров, демонстрирует лучшие результаты по сравнению с традиционными методами автономного вождения, превосходя их по скорости обучения, общей безопасности и комфорту.

Тем не менее, исследователи отмечают ограничения. Тестирование проводилось в относительно простых дорожных сценариях, а участники представляли узкую возрастную группу со схожим жизненным опытом. Поэтому результаты могут не полностью отражать все реалии дорожного движения.

«Будущие исследования направлены на проверку алгоритма в более сложных и реалистичных условиях, а также на повышение точности оценки рисков путём интеграции данных с автомобильных датчиков», — добавил Чжан.