Recientemente se ha desarrollado un nuevo marco de toma de decisiones basado en el aprendizaje por refuerzo profundo (DRL) para abordar los desafíos que enfrentan los vehículos autónomos al cambiar de carril en presencia de vehículos manejados por humanos (HVs). El objetivo principal del estudio es mejorar la seguridad y la eficacia de las maniobras de cambio de carril mediante la inferencia de las intenciones de los vehículos circundantes.

Se ha propuesto un modelo de estimación de intenciones que integra la Orientación de Valor Social (SVO) en una Red Bayesiana para capturar las preferencias sociales de los vehículos circundantes. Este modelo evalúa si el vehículo circundante tiene la intención de ceder el paso o de avanzar, información crucial para que los vehículos autónomos tomen decisiones más seguras durante los cambios de carril.

El marco de toma de decisiones se implementó y evaluó en un entorno simulado, destacando una mejora significativa en comparación con los modelos tradicionales. Se observó que al considerar las intenciones de los vehículos circundantes, el modelo propuesto logra reducir la tasa de colisiones al 7.52%, que es significativamente más baja que la de las arquitecturas tradicionales. Además, alcanzó la tasa de éxito más alta en completar cambios de carril con un 92.02%.

Los experimentos se llevaron a cabo utilizando una simulación de carretera basada en OpenAI Gym, donde el objetivo primario del vehículo autónomo era ejecutar cambios de carril efectivos y seguros. El comportamiento de los vehículos circundantes fue modelado usando modelos de tráfico microscópicos como el Modelo de Conductor Inteligente (IDM) y el modelo MOBIL.

Estos hallazgos no solo aportan un nivel innecesario de seguridad a la navegación autónoma, sino que también subrayan la capacidad del modelo para hacer frente a escenarios de tráfico cada vez más complejos. El enfoque no solo mejora la seguridad, sino que también amplía la cooperación entre vehículos autónomos y humanos, garantizando fluidez y eficacia en la conducción compartida.

En conclusión, la incorporación de algoritmos basados en SVO para la estimación intencional de otros vehículos establece un precedente en la investigación de la conducción autónoma, potenciando una integración más natural y segura en el tráfico diario.