ঘন ট্র্যাফিক মানে শুধু গাড়ির চলাচল নয়, বরং একটি নিরবচ্ছিন্ন অব্যক্ত সংলাপ। চালক সামান্য শরীরের নড়াচড়া, গতি বৃদ্ধি এবং বিরতির মাধ্যমে অন্যদের অভিপ্রায় বুঝে নেন। অটোপাইলটের জন্য এই সংলাপ বোঝা কঠিন: ক্লাসিক্যাল নিউরাল নেটওয়ার্ক পৃথক ট্র্যাজেক্টোরি ভালোভাবে পূর্বাভাস দিতে পারে, কিন্তু কেন এই আচরণ বেছে নেওয়া হলো তা ব্যাখ্যা করতে পারে না। MPCFormer পদ্ধতি পূর্বাভাস এবং নিরাপত্তাকে একত্রিত করার চেষ্টা করে, যাতে গাড়ি শুধু ট্র্যাজেক্টোরি অনুমান না করে, বরং রাস্তায় সামাজিক মিথস্ক্রিয়ার যুক্তিও বুঝতে পারে।
কেন ঘন ট্র্যাফিকে সাধারণ মডেল যথেষ্ট নয়
যখন গাড়িগুলো কাছাকাছি চলে এবং ক্রমাগত লেন পরিবর্তন করে, তখন একজন অংশগ্রহণকারীর আচরণ সরাসরি অন্যদের কর্মের উপর নির্ভর করে। এই মিথস্ক্রিয়া মূল্যায়নে ভুল দুই চরমের দিকে নিয়ে যায়: অটোপাইলট হয় খুব সতর্কভাবে কাজ করে এবং ট্র্যাফিকের গতি কমিয়ে দেয়, অথবা অনুপযুক্ত মুহূর্তে কৌশল চালানোর চেষ্টা করে।
সম্পূর্ণভাবে শেখা প্ল্যানাররা ডেটা থেকে ড্রাইভিং স্টাইল কপি করতে পারে, কিন্তু তাদের অভ্যন্তরীণ যুক্তি প্রায়ই 'ব্ল্যাক বক্স' হয়ে থাকে। সাধারণ পরিস্থিতিতে এটি গ্রহণযোগ্য, কিন্তু মহাসড়ক থেকে নামার সময় ঘন ট্র্যাফিকে অপ্রত্যাশিত সিদ্ধান্তের মূল্য অনেক বেশি। ক্লাসিক্যাল কন্ট্রোল পদ্ধতি, বিপরীতে, গতির পদার্থবিদ্যা ভালোভাবে বোঝে, কিন্তু সবসময় বিবেচনা করে না যে অন্যান্য চালকদেরও লক্ষ্য আছে, তারা প্রতিক্রিয়া জানায় এবং পথ ছেড়ে দেয়।
পদার্থবিদ্যা এবং ডেটার মধ্যে সমঝোতা
পদ্ধতির লেখকরা ভৌত মডেলিং এবং মেশিন লার্নিংয়ের মধ্যে বেছে নেওয়ার পরিবর্তে সেগুলোকে একত্রিত করার প্রস্তাব দেন। MPCFormer পদ্ধতির কেন্দ্রে রয়েছে সামাজিক মিথস্ক্রিয়ার সংযুক্ত গতিবিদ্যা: গাড়ির অবস্থা আলাদাভাবে নয়, বরং একটি একক সিস্টেম হিসেবে বর্ণনা করা হয়, যেখানে একজন অংশগ্রহণকারীর কাজ অন্যদের জন্য পরিস্থিতি পরিবর্তন করে।
গতিবিদ্যা বিচ্ছিন্ন অবস্থার জায়গায় নির্মিত, এবং ভৌত প্রিয়র মডেলে অন্তর্ভুক্ত। এর ফলে মধ্যবর্তী উপস্থাপনাগুলো ব্যাখ্যাযোগ্য থাকে: একজন বিশেষজ্ঞ খুঁজে বের করতে পারেন কোন সীমাবদ্ধতার ভিত্তিতে সিস্টেম সিদ্ধান্ত নেয়। গতিবিদ্যার সহগ ম্যানুয়ালি নির্ধারিত হয় না — সেগুলো Transformer encoder-decoder আর্কিটেকচার প্রাকৃতিক ড্রাইভিং রেকর্ড থেকে শেখে।
গবেষকদের দাবি অনুযায়ী, এটিই প্রথম পদ্ধতি যা একাধিক যানবাহনের যৌথ গতিবিদ্যাকে স্পষ্টভাবে মডেল করে, স্বাধীন পূর্বাভাসের মধ্যে সীমাবদ্ধ নয়।
কেন MPC
শেখা গতিবিদ্যা প্ল্যানারকে বিভিন্ন মানবসুলভ আচরণের দৃশ্য তৈরি করার সুযোগ দেয়: অটোপাইলট পরিস্থিতির উপর নির্ভর করে আরও আত্মবিশ্বাসী বা নমনীয়ভাবে কাজ করতে পারে। কিন্তু নিউরাল নেটওয়ার্ক নিজে থেকে নিরাপত্তা নিশ্চিত করে না।
এখানে model predictive control — MPC কাজ করে। এটি তৈরি প্রার্থীদের সীমাবদ্ধতার সাথে সামঞ্জস্য পরীক্ষা করে এবং বিপজ্জনক বিকল্পগুলো কার্যকর হওয়ার আগেই বাতিল করে দেয়। এটি নিউরাল নেটওয়ার্কের আউটপুটের উপর সম্পূর্ণ নির্ভরশীল পদ্ধতিগুলোর ঝুঁকি হ্রাস করে।
পরীক্ষাগুলো কী দেখিয়েছে
বিকাশকারীরা MPCFormer-কে উন্মুক্ত NGSIM ডেটাসেটে মূল্যায়ন করেছেন, যাতে মহাসড়কের বাস্তব ট্র্যাফিক রেকর্ড রয়েছে। 5 সেকেন্ডের পূর্বাভাসের দিগন্তে, গড় ট্র্যাজেক্টোরি পূর্বাভাস ত্রুটি ছিল 0.86 মিটার — এটি বিবেচিত আধুনিক পদ্ধতিগুলোর মধ্যে সেরা ফলাফল।
আলাদাভাবে, তীব্র মিথস্ক্রিয়া সহ ক্লোজড-লুপ দৃশ্যগুলো পরীক্ষা করা হয়েছিল: গাড়িটিকে off-ramp-এ নামার জন্য বেশ কয়েকটি ধারাবাহিক লেন পরিবর্তন করতে হয়েছিল। এখানেও হাইব্রিড মডেল Reinforcement Learning-ভিত্তিক প্ল্যানারের তুলনায় উল্লেখযোগ্য সুবিধা দেখিয়েছে:
- 94.67% — সফলভাবে সম্পন্ন কৌশলের অনুপাত;
- +15.75% — ড্রাইভিং দক্ষতা বৃদ্ধি;
- 0.5% — সংঘর্ষের হার, বেস RL-প্ল্যানারের 21.25% এর পরিবর্তে।
দুর্ঘটনার পরিস্থিতি প্রায় 40 গুণ কমানো — এটি প্রধান যুক্তি যে ব্যাখ্যাযোগ্য ভৌত সীমাবদ্ধতা শেখা সামাজিক মডেলের সাথে মিলিত হয়ে অটোপাইলটকে নিরাপদ করে তোলে এবং এর আচরণকে অভিজ্ঞ চালকের কর্মের কাছাকাছি নিয়ে আসে।
