Självkörande bilar kommer. Men för alla sina snygga sensorer och invecklade datakrossande förmågor, även de mest spetsiga bilarna saknar något som (nästan) varje 16-åring med lärartillstånd har:social medvetenhet.

Även om autonom teknik har förbättrats avsevärt, de ser fortfarande i slutändan förarna runt dem som hinder som består av enor och nollor, snarare än människor med specifika avsikter, motivationer, och personligheter.

Men nyligen har ett team som leds av forskare vid MIT:s datavetenskap och artificiell intelligenslaboratorium (CSAIL) undersökt om självkörande bilar kan programmeras för att klassificera andra förares sociala personligheter, så att de bättre kan förutsäga vad olika bilar kommer att göra - och, därför, kunna köra säkrare bland dem.

I ett nytt papper, forskarna integrerade verktyg från socialpsykologi för att klassificera körbeteende med avseende på hur självisk eller osjälvisk en viss förare är.

Specifikt, de använde något som kallas social value orientation (SVO), som representerar i vilken grad någon är självisk ("egoistisk") kontra altruistisk eller kooperativ ("prosocial"). Systemet uppskattar sedan förarnas SVO:er för att skapa körbanor i realtid för självkörande bilar.

Testa deras algoritm för att slå samman körfält och göra oskyddade vänstersvängar, laget visade att de bättre kunde förutsäga beteendet hos andra bilar med en faktor 25 procent. Till exempel, i vänstersvängssimuleringarna visste deras bil att vänta när bilen som närmade sig hade en mer egoistisk förare, och för att sedan göra svängen när den andra bilen var mer prosocial.

Även om den ännu inte är tillräckligt robust för att implementeras på riktiga vägar, systemet kan ha några spännande användningsfall, och inte bara för bilarna som kör själva. Säg att du är en människa som kör med och en bil plötsligt kommer in i din blinda punkt-systemet kan ge dig en varning i backspegeln om att bilen har en aggressiv förare, så att du kan justera därefter. Det kan också tillåta självkörande bilar att faktiskt lära sig att uppvisa mer mänskligt beteende som blir lättare för mänskliga förare att förstå.

"Att arbeta med och runt människor innebär att räkna ut deras avsikter för att bättre förstå deras beteende, "säger doktoranden Wilko Schwarting, som var huvudförfattare till det nya papperet som kommer att publiceras i veckan i det senaste numret av Förfaranden från National Academy of Sciences . "Människors tendenser till att vara samarbetsvilliga eller konkurrenskraftiga sprider sig ofta över i hur de beter sig som förare. I det här dokumentet, Vi försökte förstå om det här var något vi faktiskt kunde kvantifiera. "

Schwartings medförfattare inkluderar MIT-professorerna Sertac Karaman och Daniela Rus, liksom forskare Alyssa Pierson och tidigare CSAIL postdoc Javier Alonso-Mora.

En central fråga med dagens självkörande bilar är att de är programmerade att anta att alla människor agerar på samma sätt. Detta innebär att, bland annat, de är ganska konservativa i sitt beslutsfattande vid fyrvägsstopp och andra korsningar.

Även om denna försiktighet minskar risken för dödsolyckor, det skapar också flaskhalsar som kan vara frustrerande för andra förare, för att inte tala om svårt för dem att förstå. (Detta kan vara anledningen till att majoriteten av trafikincidenterna har inneburit att de blir otåliga förare bakåt.)

"Att skapa mer mänskligt beteende i autonoma fordon är avgörande för säkerheten för passagerare och omgivande fordon, eftersom beteendet på ett förutsägbart sätt gör det möjligt för människor att förstå och på lämpligt sätt svara på AV:s handlingar, säger Schwarting.

För att försöka utöka bilens sociala medvetenhet, CSAIL -teamet kombinerade metoder från socialpsykologi med spelteori, en teoretisk ram för att tänka sociala situationer bland konkurrerande spelare.

Teamet modellerade vägscenarier där varje förare försökte maximera sitt eget verktyg och analyserade sina "bästa svar" med tanke på alla andra agents beslut. Baserat på den lilla rörelsen från andra bilar, lagets algoritm kan sedan förutsäga de omgivande bilarnas beteende som kooperativa, altruistisk, eller egoistisk - gruppera de två första som "prosociala". Människors poäng för dessa kvaliteter vilar på ett kontinuum med avseende på hur mycket en person visar omsorg för sig själv mot omsorg för andra.

I scenarierna för sammanslagning och vänster sväng, de två utfallsalternativen var att antingen låta någon smälta in i din bana ("prosocial") eller inte ("egoistisk"). Lagets resultat visade att inte överraskande, sammanslagna bilar anses mer konkurrenskraftiga än icke-sammanslagna bilar.

Systemet utbildades för att försöka bättre förstå när det är lämpligt att uppvisa olika beteenden. Till exempel, även de mest respektfulla av mänskliga förare vet att vissa typer av åtgärder - som att byta körfält i tung trafik - kräver ett ögonblick av att vara mer bestämd och beslutsam.

För nästa fas av forskningen, laget planerar att arbeta för att tillämpa sin modell på fotgängare, cyklar, och andra agenter i körmiljöer. Dessutom, de kommer att undersöka andra robotsystem som verkar bland människor, som hushållsrobotar, och integrera SVO i deras förutsägelse- och beslutsalgoritmer. Pierson säger att möjligheten att uppskatta SVO -fördelningar direkt från observerad rörelse, istället för i laboratorieförhållanden, kommer att vara viktigt för fält långt bortom autonom körning.

"Genom att modellera körpersoner och införliva modellerna matematiskt med hjälp av SVO i beslutsmodulen för en robotbil, detta arbete öppnar dörren till säkrare och mer sömlös vägdelning mellan människodrivna och robotdrivna bilar, "säger Rus.

Denna artikel publiceras på nytt med tillstånd av MIT News (web.mit.edu/newsoffice/), en populär webbplats som täcker nyheter om MIT -forskning, innovation och undervisning.