- 自动驾驶汽车(AV)通常被编程为无条件让行行人以确保安全，但会导致**冻结机器人问题(Freezing Robot Problem)**：行人学会始终主张优先权，使得车辆停滞无法前进
- 现有方法在安全与效率之间缺乏平衡，需要一种能像人类驾驶员一样通过可信威胁来协调交互的策略
- 博弈论模型**序贯胆小鬼博弈(Sequential Chicken)**理论上可以解决此问题，但此前未有真实AV与人类受试者的实验验证
- 基于**序贯胆小鬼博弈(Sequential Chicken)**模型设计AV与行人的交互策略，通过可信威胁（极小碰撞风险或较大个人空间侵入风险）与让行延误的时间价值进行权衡
- 首次在**真实自动驾驶汽车**上开展人类受试者实验，在实验约束的安全条件下观测行人行为
- 使用**最大似然估计(maximum likelihood estimation)**等方法将行人行为数据拟合到Sequential Chicken模型，并估计时间价值参数
- **首次真实AV实验验证**：将Sequential Chicken模型从理论推向实践，使用真实车辆和人类受试者，填补了仿真与现实的鸿沟
- **揭示行人行为的多重动机**：发现行人的碰撞时间价值很低，暗示他们不仅避免实际碰撞，还主动规划避免**接近个人空间(proxemic personal space)**的侵入惩罚
- **模型拟合的有效性**：证明在受控安全条件下，行人行为可以用Sequential Chicken模型良好拟合，为设计动态决策AV提供了行为学依据
- 为解决**冻结机器人问题**提供了一种基于博弈论的可实践方案，平衡安全与通行效率
- 首次实证表明行人行为可被**序贯胆小鬼博弈(Sequential Chicken)**建模，拓展了**人机交互(human-robot interaction)**中行为模型的应用
- 为自动驾驶汽车与行人交互的**决策算法(decision-making algorithm)**设计提供了实验支撑和参数估计方法，促进更自然的交互范式