Wetenschappers hebben een innovatieve benadering voor coöperatief autonoom rijden ontwikkeld om de interactie tussen zelfrijdende voertuigen te optimaliseren. Het systeem, dat de naam When2Go draagt, is ontworpen om een kritiek hiaat in de huidige technologie op te vullen: het onvermogen van voertuigen om hun toekomstige intenties met elkaar te communiceren.
Volgens een wetenschappelijke publicatie op arxiv.org beperken veel huidige systemen zich tot het uitwisselen van directe waarnemingen. Dit dwingt voertuigen om individueel te beslissen over hun acties, wat in complexe situaties kan leiden tot gevaarlijke momenten of onnodige stagnatie wanneer voertuigen onbedoeld tegelijkertijd voorrang verlenen of juist beiden doorrijden.
Van statusdeling naar intentieoverdracht
Het When2Go-concept markeert een verschuiving in de manier waarop voertuigen informatie delen. In plaats van enkel de huidige status te communiceren, richt het systeem zich op een hoger niveau van coöperatieve automatisering. Voertuigen zenden nu niet alleen hun LiDAR-detecties uit, maar koppelen daar ook hun voorspelde bewegingen en het beoogde traject aan.
Een centraal element in deze technologie is de zogenaamde 'route-time conflict map'. Door eigen waarnemingen te combineren met de plannen van andere weggebruikers, creëert het voertuig een overzicht van de bezetting langs de route over een specifieke planningstijd. De planner van het voertuig kan vervolgens verschillende snelheidsprofielen evalueren om de meest veilige en efficiënte route te bepalen. Deze technische interactie tussen machines verschilt fundamenteel van consumentenapplicaties zoals google.com, die primair bedoeld zijn om menselijke bestuurders te voorzien van routes en reistijden.
Conflictbeheersing via 'Order Gates'
Om te voorkomen dat trajecten elkaar kruisen, implementeert When2Go een systeem van 'order gates'. Dit is een precedence-netwerk dat is gebaseerd op bestaande verkeersregels. Omdat alle betrokken voertuigen dezelfde data analyseren en dezelfde regels toepassen, komen zij gezamenlijk tot de conclusie welk voertuig voorrang krijgt.
Voor de training van het systeem is gebruikgemaakt van een regelgebaseerde expert binnen de V2Xverse-simulator. Hierbij zijn stops die buiten de planningshorizon van twee seconden vielen opnieuw gelabeld. Deze stap was essentieel om te voorkomen dat het systeem onterecht zou leren wachten zonder dat er een zichtbare reden voor was. De volledige technische details van deze aanpak zijn terug te vinden in de van 10 november 2026.
Prestaties en benchmarks
De effectiviteit van When2Go is getoetst via drie gesloten-lus benchmarks in de CARLA-simulator, waarbij het systeem nieuwe records vestigde. Op de InterDrive-benchmark behaalde het systeem een score van 97,8 zonder verkeer en 90,7 met verkeer, wat aanzienlijk hoger ligt dan de eerdere records van respectievelijk 90,1 en 78,9.
Ook op het publieke V2Xverse-protocol presteerde de methode sterk met een score van 70,0, terwijl de beste van zestien andere geteste methoden op 59,1 bleven steken. Op de MDrive-benchmark werd een score van 88,2 behaald, tegenover een vorig record van 85,1. Een van de meest significante resultaten is de veiligheidswinst: 95,0% van de voertuigen bleef in deze tests botsingvrij, tegenover 87,7% bij eerdere methodieken. Deze resultaten onderstrepen de potentie van intentie-deling voor de toekomst van autonoom transport, zoals verder uitgewerkt in de .