Resumo Técnico: Modelagem do Comportamento de Evitação de Colisões de Pedestres Específico por Tipo de Veículo Usando Aprendizado por Reforço Profundo Smooth-Mamba

1. Declaração do Problema

À medida que os veículos autônomos (AVs) compartilham cada vez mais as vias com veículos conduzidos por humanos (HDVs), existe uma lacuna crítica de pesquisa na compreensão de como os pedestres respondem de forma diferente a esses distintos tipos de veículos durante interações críticas para a segurança. Diferentemente dos motoristas de HDVs, os AVs carecem de sinais sociais não verbais (por exemplo, contato visual, gestos) dos quais os pedestres dependem para negociar a preferência de passagem, potencialmente alterando a confiança do pedestre, a percepção de risco e as estratégias de evitação.

A literatura existente sofre de três limitações principais:

1. Foco Centrado no Veículo: A maioria dos estudos prioriza os sistemas de segurança dos AVs (por exemplo, frenagem de emergência, planejamento de trajetória) em vez de modelar mudanças comportamentais dos pedestres durante as interações.
2. Falta de Diferenciação: As estruturas atuais frequentemente agregam interações de AVs e HDVs, falhando em capturar como tipos específicos de veículos influenciam a tomada de decisão dos pedestres.
3. Negligência de Eventos Críticos para a Segurança: Modelos tradicionais focam em travessias rotineiras ou comportamentos de aproximação em estágios iniciais, negligenciando a dinâmica sequencial de evitação de emergência quando colisões são iminentes.

Além disso, arquiteturas padrão de Aprendizado por Reforço Profundo (DRL) lutam com a natureza de "evento raro" dos dados críticos para a segurança, exibindo instabilidade no treinamento durante transições abruptas de estado (por exemplo, frenagem súbita ou curvas fechadas) e falhando em capturar dependências temporais de longo alcance de forma eficaz.

2. Metodologia

2.1. Fonte de Dados e Processamento

O estudo utiliza o Conjunto de Dados de Previsão de Movimento Argoverse 2, compreendendo 250.000 cenários urbanos de condução de alta resolução.

• Diferenciação: O conjunto de dados distingue entre o veículo ego (um AV equipado com LiDAR e câmeras visíveis) e todos os outros veículos (HDVs).
• Extração: Interações críticas para a segurança foram identificadas usando a métrica Tempo até Colisão Curvilínea (CurvTTC), que leva em conta trajetórias curvas de veículos e movimentos não lineares de pedestres, ao contrário do TTC em linha reta tradicional.
• Divisão do Conjunto de Dados: 411 interações críticas para a segurança Pedestre-AV e 2.404 interações Pedestre-HDV foram extraídas. Estas foram divididas em 80% para treinamento e 20% para teste.

2.2. A Estrutura SMamba-DDPG

Para modelar a evitação de colisões de pedestres, os autores propõem a estrutura Gradiente de Política Determinística Profunda Smooth-Mamba (SMamba-DDPG). Esta arquitetura aborda a instabilidade do DRL padrão no aprendizado de eventos raros integrando modelos de espaço de estado estruturados com mecanismos de suavização.

• Arquitetura: A estrutura emprega uma estrutura Ator-Crítico onde ambas as redes incorporam blocos SMamba.
• Integração Mamba: O componente Mamba (Modelo de Espaço de Estado Seletivo) captura dependências temporais de longo alcance e filtra ruído com mais eficiência do que DRL baseado em LSTM ou Transformer.
• Mecanismo de Suavização: Para abordar desequilíbrios distribucionais e picos de ativação comuns em manobras de emergência, os autores introduzem uma função de ativação Smooth-SiLU (S-SiLU) e aplicam vetores de suavização às projeções de portão e saída dentro do bloco Mamba. Isso estabiliza o fluxo de gradiente durante transições abruptas de estado sem adicionar sobrecarga de inferência.
• Aprendizado de Política:
  • Espaço de Estado ($S_t$): Inclui distâncias relativas longitudinais/laterais, velocidades e velocidades relativas entre o pedestre e o veículo.
  • Espaço de Ação ($A_t$): Comandos contínuos de aceleração para o pedestre nas direções longitudinal e lateral.
  • Função de Recompensa: Um sistema de recompensa de dois níveis foi testado. Recompensas em nível de passo incluíram formulações baseadas em distância, baseadas em velocidade relativa e baseadas em velocidade absoluta. Recompensas em nível de episódio incluíram penalidades de colisão e bônus de alcance de objetivo. A recompensa baseada em velocidade absoluta ($R_V$) foi encontrada como a que produzia comportamentos mais estáveis e realistas.

2.3. Design Experimental

• Treinamento Separado: Dois modelos distintos foram treinados independentemente: um para interações Pedestre-AV e outro para interações Pedestre-HDV.
• Baselines: O modelo proposto foi comparado contra modelos de aprendizado supervisionado (NN, LSTM, Transformer) e modelos DRL padrão/híbridos (DDPG, DQN, LSTM-DDPG, Transformer-DDPG, Mamba-DDPG).
• Validação: O estudo utilizou reconstrução de trajetória, análise de tempo de reação, teste de cenários contrafactuais e análise de segurança em grande escala usando dados gerados pelo modelo.

3. Contribuições Principais

1. Modelagem Quantitativa da Especificidade por Tipo de Veículo: Este é um dos primeiros estudos a modelar e comparar quantitativamente os comportamentos de evitação de colisões de pedestres especificamente para AVs versus HDVs usando uma estrutura DRL.
2. Estrutura SMamba-DDPG: O desenvolvimento de uma arquitetura DRL inovadora que integra modelos de espaço de estado Mamba com mecanismos de suavização para estabilizar o aprendizado em eventos raros e críticos para a segurança e abordar desequilíbrios distribucionais.
3. Estrutura de Análise Abrangente: O estabelecimento de um pipeline de validação incluindo análise de tempo de reação, experimentos contrafactuais (troca de políticas entre tipos de veículos) e avaliação de risco de conflito em grande escala para quantificar diferenças comportamentais.

4. Resultados

4.1. Desempenho do Modelo

• Precisão Superior: A estrutura SMamba-DDPG superou todas as baselines. A variante baseada em velocidade ($SMamba-DDPG_V$) alcançou o menor Erro Quadrático Médio (RMSE) entre as variáveis cinemáticas.
  • Pedestre-AV: RMSE de Velocidade Longitudinal = 0,62 m/s; ADE = 0,65 m; FDE = 1,12 m.
  • Pedestre-HDV: RMSE de Velocidade Longitudinal = 0,63 m/s; ADE = 0,64 m; FDE = 1,13 m.
• Estabilidade: O mecanismo de suavização reduziu com sucesso a variância do treinamento e melhorou a convergência em comparação com o DDPG padrão e outros modelos híbridos.

4.2. Diferenças Comportamentais

• Tempos de Reação: Os pedestres responderam significativamente mais rápido aos AVs do que aos HDVs. O modelo reproduziu com precisão esses atrasos de resposta semelhantes aos humanos, sem diferença estatística significativa entre dados reconstruídos e do mundo real.
• Análise Contrafactual:
  • Quando uma política treinada em AV foi aplicada a trajetórias de HDV, os pedestres exibiram velocidades de travessia mais baixas (redução de 14,7%) e perfis de aceleração mais suaves, sugerindo uma estratégia mais conservadora.
  • Quando uma política treinada em HDV foi aplicada a trajetórias de AV, os pedestres exibiram velocidades de travessia mais altas (2,17 m/s vs. 1,08 m/s) e comportamento mais assertivo.
• Comportamento de Ceder: Em simulações em grande escala, os pedestres cederam com mais frequência aos AVs (46,07%) em comparação com HDVs (37,15%), indicando maior cautela ou incerteza quanto à tomada de decisão dos AVs.

4.3. Análise de Segurança

A análise em grande escala de dados gerados pelo modelo revelou que as interações Pedestre-AV consistentemente produziram taxas de conflito mais baixas do que as interações Pedestre-HDV em todas as condições de velocidade. Em altas velocidades (>3,5 m/s), as taxas de conflito de AVs foram 10–15 pontos percentuais mais baixas do que as taxas de HDVs.

5. Significado e Alegações

O artigo afirma que suas descobertas destacam a necessidade de incorporar modelos comportamentais de pedestres específicos por tipo de veículo para:

• Design de AV Mais Seguro: Compreender que os pedestres reagem de forma diferente (mais rápido, mas com mais cautela) aos AVs pode informar estratégias de controle de AV e designs de interação (por exemplo, interfaces homem-máquina externas).
• Simulação de Tráfego Realista: Agregar interações de AVs e HDVs em um único modelo compromete a precisão de simulações de tráfego misto. Políticas separadas são necessárias para prever com precisão riscos e comportamentos de cedência.
• Avaliação de Risco: O estudo demonstra que a percepção de risco do pedestre não é estática, mas é dinamicamente influenciada pelo tipo percebido do veículo que se aproxima, com AVs induzindo uma resposta mais conservadora (cedendo) apesar de tempos de reação mais rápidos.

Os autores concluem que a estrutura SMamba-DDPG fornece um método robusto para capturar a dinâmica sequencial e abrupta da evitação de pedestres, oferecendo um caminho para uma implantação mais realista e segura de sistemas de condução automatizada.