19、无伦理自动驾驶：含义、设计与现实世界

无伦理自动驾驶：含义、设计与现实世界

1. 人类控制与参数更新

道德轮廓和效价标准的选择，是人类在自动决策中进行控制的不同切入点。这些轮廓、主张和效价并非永恒、普遍或片面的，而是应随自动驾驶汽车（AV）的普及程度、公众接受度和法律限制在各运行设计领域的变化，持续进行审查和更新。

2. 伦理决策的技术实现

人类驾驶员在正常情况下的决策过程可分为三个阶段：战略、战术和操作。这种结构常用于AV决策算法的实现（端到端规划除外），其实践可追溯到较早时期。其中，战术层负责考虑当地道路使用者的行为，处理可能出现的危险情况。

战术层的实现采用了多种不同的算法，如常见的马尔可夫方法、端到端学习、RRT和模糊方法等。以马尔可夫决策过程（MDP）为例，在原版本中，评估每个状态的奖励时，会将导致碰撞的动作从可行动作集中移除，但在评估贝尔曼方程时仍保留其作为选项。碰撞的成本是固定且相等的，不考虑涉及的道路使用者类型。

奖励函数的定义如下：
[
R(s_t, a_t, s_{t + 1}) =
\begin{cases}
s_{perf} + s_{conseq}, & \text{如果没有碰撞} \
c_{col}, & \text{否则}
\end{cases}
]

其中，(s_{conseq}) 由与遵守交通规则相关的成本和与AV与其他道路使用者的物理接近度相关的成本组成。接近度成本 (s_{prox}) 的计算公式为：
[
s_{prox} = c_{st} + w_v \cdot [\Delta v_{t + 1}^{proj}