自动驾驶汽车的社会困境
自动驾驶汽车的伦理不仅仅在于在不可避免的事故中权衡生命，而是在正常交通情况下分配风险，这引发了道德上的问题，我们的参与者愿意为了其他路上的用户的利益冒险，暗示着在风险的背景下，AV 社会困境可能会减轻。
May, 2022
提出了一种使用预定义参数描述可能事故风险并将伦理价值论整合到多种决策规则中的自动驾驶决策方法，旨在为自动驾驶车辆的决策制定提供一个评估工具，以弹性满足人们对道德行为的期望，并提供一种社会可接受性评估。
Aug, 2023
自动驾驶汽车技术快速发展，对道路交通安全产生了重大影响，同时也解决了多种复杂的交通问题。为了确保自动驾驶汽车之间以及自动驾驶汽车与人类驾驶员之间的合作互动，本研究提出了一个多阶段的方法，采用共享和关怀的车对车通信策略来加强协同行为。通过进行一项调查来验证自动驾驶汽车的驾驶性能，并可用于一个混合交通案例研究，重点研究人类驾驶员如何对待与他们同时驾驶在同一条道路上的自动驾驶汽车。研究结果表明，采用深度强化学习，自动驾驶车辆获得了接近人类驾驶性能的驾驶行为。在自动驾驶汽车网络中采用共享和关怀的车对车通信可以提高其驾驶行为，促进更有效的行动计划，并增进自动驾驶汽车之间的合作行为。调查结果显示，无法保证混合交通中的安全性，因为我们无法控制人类驾驶员出于自我的行为，如果他们决定与自动驾驶汽车竞争。因此，本研究倡导加强对自动驾驶汽车在公共道路上安全融入的研究。
Dec, 2023
探讨自动驾驶汽车的出现如何增加网络吞吐量，激励用户选择更优路径以便缓解拥堵，讨论自私均衡和互惠均衡之间的比较，并通过交通微观模拟实现了总延迟减少的目标。
Oct, 2018
研究开发了基于模拟的路径规划和道德决策模型，结合隶属函数应用于加权效用成本函数，基于效用主义道德方法，通过最低伤害严重程度来预测 AV 的碰撞转向决策。
Dec, 2022
本文介绍了一个基于不确定性感知的集成预测和规划框架，在考虑人的礼貌及预测不确定性的同时生成安全有效的 AV 行为。研究表明，该算法可以明显提高生成行为的人类感，同时还发现人类驾驶员在道路上表现出很大的礼貌，即使对于没有优先权的其他人行驶者，而且这种驾驶偏好在不同文化中存在显著差异。
Oct, 2020
自动驾驶车辆的风险评估是一项具有挑战性的任务，本文提出了一种基于数据驱动的框架，通过对 “不当行为” 道路用户的对照模拟来比较不同自动驾驶车辆在不同操作设计领域的风险。引入了反事实安全余量的概念，用于表示最小偏差与正常行为之间可能导致碰撞的关系，展示了该方法在未知行为策略下仍可适用，从而有助于第三方风险评估，并在自动驾驶车辆供应商之间的相对风险方面提供了洞察。
Aug, 2023
自动驾驶策略研究提出了基于风险预测的方法，利用周围车辆的重量建立风险指示器并采用分层深度强化学习。模拟结果显示该方法能同时降低潜在事故的发生几率和后果，并提高驾驶效率。
Dec, 2023
这篇论文主要探讨了在自动驾驶车辆的机器学习训练中，用户数据的隐私保护问题，提出了涉及个人、群体和机构三个层次的隐私风险分类方法，并总结了当前的解决方案和未来的研究方向。
Sep, 2022