图片出处：techxplore.com
该科学研究新项目的一名研究者Sun Liting表达，“我的科学研究致力于为自动驾驶汽车设计方案相近人们的安全驾驶个人行为。人们的总体目标是使自动驾驶汽车不但能了解人们个人行为，并且在感知、逻辑推理和行動等好几个层面都能与人们相近。”
Sun和她的朋友观查到，人们司机趋向于把别的汽车视作动态性阻碍物，并从他们走在路上的个人行为推测附加的信息。这种信息一般是阻塞的自然环境信息或物理学没法检验到的社会信息。Sun说，“假如自动驾驶汽车能以一样的方法行车，将十分关键、十分有利，由于这将使他们更智能化、更像人们、更安全性。开展科学研究时，人们让自动驾驶汽车将全部别的路面参加者视作动态性分布式系统控制器。”
这一社会感知计划方案，实质上是将路面上的全部汽车和阻碍物视作遍布在传感器网络中的控制器。这促使自动驾驶汽车能够另外观查个人个人行为和群体行为，并运用观查到的信息升级“信心室内空间”（belief space）中多种类型的不确定性。该计划方案特别关心物理学情况的不确定性（如自然环境阻塞或传感器范畴比较有限产生的不确定性）和社会个人行为的不确定性（如本地安全驾驶喜好）。
该计划方案将升级后的社会感知信心与模型预测操纵（MPC）几率整体规划架构紧密结合，该架构的代价函数根据逆增强学习（IRL）获得。几率整体规划控制模块与社会加强感知紧密结合，使汽车能够造成与社会相溶的防御力个人行为，因而不容易过度严苛。
Sun表述说，“自动驾驶汽车仔细观察他人的行为，并将其与以前的个人行为实体模型开展较为，用自身的控制器就可以推测没法检验到的自变量的将会情况。这能够协助自动驾驶汽车降低感知不确定性。与别的目前方式 对比，这一念头能合理拓展自动驾驶汽车的感知工作能力，进而更安全性、更高效率的行车，而且不用一切附加的硬件配置。”
科学研究工作人员在一系列控制器被挡住的仿真模拟情景中评定了这一架构。她们发觉，根据效仿人们的社会感知体制，感知控制模块检验到的不确定性降低，最后根据非传统的防御力方案转化成更安全性、更高效率的自动驾驶个人行为。她们表达，“事实上，该作用能够使自动驾驶汽车在有挡住的状况下更高效率、更能融入新的安全驾驶自然环境，由于她们能够迅速地推论和学习培训周边没法物理学检测到的社会信息。”
将来，该计划方案能够为自动驾驶汽车的发展趋势出示信息，使其更合理地融入持续转变的自然环境。科学研究工作人员方案进一步开发设计她们的架构，更改一些假定，使其更非常容易运用于实际自然环境。Sun还表述说，“以便从别的路面参加者的个人行为中推测大量的不确定性信息，自动驾驶汽车应当具有与别的参加者具体个人行为相近的此前个人行为实体模型。在现阶段的科学研究中，人们假定全部别的路面参加者全是客观的，并根据奖赏涵数来贴近她们的个人行为生成模型。将来人们将放开客观假定，使这类类似方式 更为具体。”
