Resumen Técnico: Modelado del Comportamiento de Evitación de Atropellos de Peatones Específico por Tipo de Vehículo Utilizando Aprendizaje por Refuerzo Profundo Smooth-Mamba

1. Declaración del Problema

A medida que los vehículos automatizados (AV) comparten cada vez más las vías con vehículos conducidos por humanos (HDV), existe una brecha crítica de investigación en la comprensión de cómo los peatones responden de manera diferente a estos tipos de vehículos distintos durante interacciones críticas para la seguridad. A diferencia de los conductores de HDV, los AV carecen de señales sociales no verbales (por ejemplo, contacto visual, gestos) en las que los peatones confían para negociar el derecho de paso, lo que podría alterar la confianza del peatón, la percepción del riesgo y las estrategias de evitación.

La literatura existente adolece de tres limitaciones principales:

1. Enfoque centrado en el vehículo: La mayoría de los estudios priorizan los sistemas de seguridad de los AV (por ejemplo, frenado de emergencia, planificación de trayectorias) en lugar de modelar los cambios de comportamiento de los peatones durante las interacciones.
2. Falta de diferenciación: Los marcos actuales a menudo agrupan las interacciones AV y HDV, sin lograr capturar cómo los tipos específicos de vehículos influyen en la toma de decisiones de los peatones.
3. Negligencia de eventos críticos para la seguridad: Los modelos tradicionales se centran en el cruce rutinario o en comportamientos de aproximación en etapas tempranas, pasando por alto la dinámica secuencial de la evitación de emergencias cuando las colisiones son inminentes.

Además, las arquitecturas estándar de Aprendizaje por Refuerzo Profundo (DRL) luchan contra la naturaleza de "evento raro" de los datos críticos para la seguridad, mostrando inestabilidad en el entrenamiento durante transiciones de estado abruptas (por ejemplo, frenado repentino o giros bruscos) y fallando en capturar eficazmente las dependencias temporales de largo alcance.

2. Metodología

2.1. Fuente de Datos y Procesamiento

El estudio utiliza el Conjunto de Datos de Predicción de Movimiento Argoverse 2, que comprende 250.000 escenarios de conducción urbana de alta resolución.

• Diferenciación: El conjunto de datos distingue entre el vehículo ego (un AV equipado con LiDAR y cámaras visibles) y todos los demás vehículos (HDV).
• Extracción: Las interacciones críticas para la seguridad se identificaron utilizando la métrica Tiempo hasta la Colisión Curvilínea (CurvTTC), que tiene en cuenta las trayectorias curvas de los vehículos y los movimientos no lineales de los peatones, a diferencia del TTC en línea recta tradicional.
• División del Conjunto de Datos: Se extrajeron 411 interacciones críticas para la seguridad Peatón-AV y 2.404 interacciones Peatón-HDV. Estas se dividieron en un 80 % para entrenamiento y un 20 % para prueba.

2.2. El Marco SMamba-DDPG

Para modelar la evitación de atropellos de peatones, los autores proponen el marco Gradiente de Política Determinista Profundo Smooth-Mamba (SMamba-DDPG). Esta arquitectura aborda la inestabilidad del DRL estándar en el aprendizaje de eventos raros integrando modelos de espacio de estado estructurados con mecanismos de suavizado.

• Arquitectura: El marco emplea una estructura Actor-Critic donde ambas redes incorporan bloques SMamba.
• Integración de Mamba: El componente Mamba (Modelo de Espacio de Estado Selectivo) captura dependencias temporales de largo alcance y filtra el ruido de manera más eficiente que el DRL basado en LSTM o Transformer.
• Mecanismo de Suavizado: Para abordar los desequilibrios distribucionales y los picos de activación comunes en las maniobras de emergencia, los autores introducen una función de activación Smooth-SiLU (S-SiLU) y aplican vectores de suavizado a las proyecciones de puerta y salida dentro del bloque Mamba. Esto estabiliza el flujo de gradiente durante transiciones de estado abruptas sin añadir sobrecarga de inferencia.
• Aprendizaje de Políticas:
  • Espacio de Estados ($S_t$): Incluye distancias relativas longitudinales/laterales, velocidades y velocidades relativas entre el peatón y el vehículo.
  • Espacio de Acciones ($A_t$): Comandos de aceleración continuos para el peatón en direcciones longitudinales y laterales.
  • Función de Recompensa: Se probó un sistema de recompensa de dos niveles. Las recompensas a nivel de paso incluyeron formulaciones basadas en distancia, basadas en velocidad relativa y basadas en velocidad absoluta. Las recompensas a nivel de episodio incluyeron penalizaciones por colisión y bonificaciones por logro de objetivos. Se encontró que la recompensa basada en velocidad absoluta ($R_V$) producía los comportamientos más estables y realistas.

2.3. Diseño Experimental

• Entrenamiento Separado: Se entrenaron dos modelos distintos de forma independiente: uno para interacciones Peatón-AV y otro para interacciones Peatón-HDV.
• Líneas Base: El modelo propuesto se comparó con modelos de aprendizaje supervisado (NN, LSTM, Transformer) y modelos DRL estándar/híbridos (DDPG, DQN, LSTM-DDPG, Transformer-DDPG, Mamba-DDPG).
• Validación: El estudio utilizó reconstrucción de trayectorias, análisis de tiempo de reacción, pruebas de escenarios contrafactuales y análisis de seguridad a gran escala utilizando datos generados por el modelo.

3. Contribuciones Clave

1. Modelado Cuantitativo de la Especificidad por Tipo de Vehículo: Este es uno de los primeros estudios que modela y compara cuantitativamente los comportamientos de evitación de atropellos de peatones específicamente para AV frente a HDV utilizando un marco DRL.
2. Marco SMamba-DDPG: El desarrollo de una arquitectura DRL novedosa que integra modelos de espacio de estado Mamba con mecanismos de suavizado para estabilizar el aprendizaje en eventos raros y críticos para la seguridad y abordar los desequilibrios distribucionales.
3. Marco de Análisis Integral: El establecimiento de una tubería de validación que incluye análisis de tiempo de reacción, experimentos contrafactuales (intercambio de políticas entre tipos de vehículos) y evaluación de riesgo de conflicto a gran escala para cuantificar las diferencias de comportamiento.

4. Resultados

4.1. Rendimiento del Modelo

• Precisión Superior: El marco SMamba-DDPG superó a todas las líneas base. La variante basada en velocidad ($SMamba-DDPG_V$) logró el Error Cuadrático Medio (RMSE) más bajo en todas las variables cinemáticas.
  • Peatón-AV: RMSE de Velocidad Longitudinal = 0.62 m/s; ADE = 0.65 m; FDE = 1.12 m.
  • Peatón-HDV: RMSE de Velocidad Longitudinal = 0.63 m/s; ADE = 0.64 m; FDE = 1.13 m.
• Estabilidad: El mecanismo de suavizado redujo con éxito la varianza del entrenamiento y mejoró la convergencia en comparación con el DDPG estándar y otros modelos híbridos.

4.2. Diferencias de Comportamiento

• Tiempos de Reacción: Los peatones respondieron significativamente más rápido a los AV que a los HDV. El modelo reprodujo con precisión estos retrasos de respuesta similares a los humanos, sin diferencia estadística significativa entre los datos reconstruidos y los del mundo real.
• Análisis Contrafactual:
  • Cuando se aplicó una política entrenada en AV a trayectorias de HDV, los peatones exhibieron velocidades de cruce más bajas (reducción del 14.7 %) y perfiles de aceleración más suaves, lo que sugiere una estrategia más conservadora.
  • Cuando se aplicó una política entrenada en HDV a trayectorias de AV, los peatones exhibieron velocidades de cruce más altas (2.17 m/s frente a 1.08 m/s) y un comportamiento más asertivo.
• Comportamiento de Ceder el Paso: En simulaciones a gran escala, los peatones cedieron el paso con más frecuencia a los AV (46.07 %) en comparación con los HDV (37.15 %), lo que indica mayor cautela o incertidumbre con respecto a la toma de decisiones de los AV.

4.3. Análisis de Seguridad

El análisis a gran escala de los datos generados por el modelo reveló que las interacciones Peatón-AV produjeron consistentemente tasas de conflicto más bajas que las interacciones Peatón-HDV en todas las condiciones de velocidad. A altas velocidades (>3.5 m/s), las tasas de conflicto de los AV fueron de 10 a 15 puntos porcentuales más bajas que las tasas de los HDV.

5. Significado y Afirmaciones

El artículo afirma que sus hallazgos destacan la necesidad de incorporar modelos de comportamiento de peatones específicos por tipo de vehículo para:

• Diseño de AV más seguro: Comprender que los peatones reaccionan de manera diferente (más rápido pero con más cautela) a los AV puede informar las estrategias de control de los AV y los diseños de interacción (por ejemplo, interfaces hombre-máquina externas).
• Simulación de tráfico realista: Agrupar las interacciones AV y HDV en un solo modelo compromete la precisión de las simulaciones de tráfico mixto. Se requieren políticas separadas para predecir con precisión el riesgo y los comportamientos de ceder el paso.
• Evaluación de riesgos: El estudio demuestra que la percepción de riesgo de los peatones no es estática, sino que está influenciada dinámicamente por el tipo percibido del vehículo que se acerca, con los AV induciendo una respuesta más conservadora (ceder el paso) a pesar de los tiempos de reacción más rápidos.

Los autores concluyen que el marco SMamba-DDPG proporciona un método robusto para capturar la dinámica secuencial y abrupta de la evitación de peatones, ofreciendo una vía hacia un despliegue más realista y seguro de sistemas de conducción automatizada.