作为致力于开发对社区产生积极影响的自动驾驶技术的承诺的一部分，Argo AI发布了它适用于确保自动驾驶汽车和骑自行车者之间安全互动的技术指南，并鼓励其他人做同样的事情。该指南是与美国自行车联盟 (The League of American Bicyclists ) 合作制定的，该联盟是一个致力于为每个人建立自行车友好型美国的国家倡导组织，旨在为开发自动驾驶技术的公司进一步创新和改进奠定基础。
“Argo AI 专注于开发自动驾驶技术，让城市对每个人都更安全——尤其是骑自行车的人和其他弱势道路使用者，” Argo AI 总裁兼联合创始人Peter Rander博士说。“这些技术指南兑现了我们对开发一个受到骑自行车者信任的自动驾驶系统的承诺，并提高了我们运营所在社区的安全性。”
自动驾驶技术被 SAE International 定义为 4 级或 5 级自动化能力，具有极大减少汽车碰撞次数和由此造成的伤亡人数的潜力。根据NHTSA的数据，2020 年美国骑自行车的人的交通死亡人数比 2019 年增加了 5%。在全球范围内，世界卫生组织估计每年有 41,000 名骑自行车的人死于与道路交通相关的事故。
“Argo AI 和美国自行车联盟的共同目标是改善所有道路使用者的街道安全，”美国自行车联盟政策主管Ken McLeod说。“我们赞赏 Argo 积极研究、开发和测试车外人员安全的方法。在过去十年中，道路对车外人员的安全性大大降低，现在通过解决与骑自行车者的互动，Argo 正在展示致力于自动化技术在扭转这一致命趋势方面的作用。”
为了了解骑行者在共享道路时的担忧，Argo 开始与骑行社区合作和互动。美国自行车手联盟提供咨询，以告知 Argo 自行车手的常见行为和与车辆的典型互动。他们共同概述了自动驾驶系统应如何准确检测骑车者、预测骑车者行为并以一致的方式有效、安全地共享道路的六项技术指南：
#1：骑自行车的人应该是一个不同的对象类别
由于骑自行车的人的独特行为将他们与踏板车用户或行人区分开来，自动驾驶系统(或“SDS”)应该将骑自行车的人指定为其感知系统中的核心对象表示为了准确检测骑自行车的人。通过将骑自行车的人视为一个独特的类别并标记一组不同的自行车图像，自动驾驶系统可以从各种角度和各种速度检测处于各种位置和方向的骑自行车的人。它还应该考虑到自行车的不同形状和尺寸——如卧式自行车、带拖车的自行车、电动自行车和独轮车——以及不同类型的骑手。
#2：应该期待典型的骑车人行为
深入了解潜在的骑车人运动模式对于最好地预测他们的意图并准备自动驾驶车辆的行动是必要的。骑自行车的人可能会分道、在停车标志处让行、骑自行车或进行快速、有意识的横向移动以避开道路上的障碍物，例如突然打开车门。SDS 应该利用专门的、特定于骑车人的运动预测模型来解释骑车人的各种行为，因此当自动驾驶汽车遇到骑车人时，它会生成多个可能的轨迹，捕捉骑车人路径的潜在选择，从而使 SDS 能够更好地预测和响应骑车人的行为。
#3：应绘制自行车基础设施和当地法律地图
自动驾驶系统应使用包含自行车基础设施详细信息的高清 3D 地图，例如专用自行车道的位置，并包括所有当地和州的自行车法律，以确保其自驱动系统是合规的。考虑到自行车基础设施，SDS 能够预测骑自行车的人，并在自动驾驶车辆和自行车道之间保持安全距离。沿着自行车道行驶时，SDS 将考虑遇到骑自行车者的可能性更高以及骑车者的常见行为，例如融入交通以避免停放的汽车阻塞自行车道，或将红灯视为停车标志，这被称为一个“爱达荷州站”，在某些州是合法的。
#4：SDS 应该以一致且易于理解的方式驱动
自动驾驶技术的开发者应努力使该技术以自然的方式运行，以便其他道路使用者清楚地了解自动驾驶汽车的意图。当附近有骑车人在场或超车或在骑车人后面行驶时，SDS 应根据当地速度限制和等于或大于当地法律的余量以保守和适当的速度为目标，并仅在可以保持的情况下通过骑车人整个机动的那些余量和速度。在骑车人侵占自动驾驶车辆的情况下——例如在交通停止时汽车之间的车道分开时——车辆应尽量减少使用进一步降低边际或有可能扰乱骑车人期望的行动。SDS 还应保持足够的跟随距离，以便在骑车人摔倒时，自动驾驶车辆有足够的机会进行机动或制动。自动驾驶车辆应提供明确的意图指示，包括在准备超车、并道或转弯时使用转向灯和调整车道内的车辆位置。
#5：为不确定的情况做好准备并主动减速
道路的现实是，有时其他道路使用者的行为无法预测。自动驾驶系统应该考虑骑车人的意图、方向和速度的不确定性——例如，当骑车人在同一车道上与车辆相反的方向行驶时降低车速。当存在不确定性时，自动驾驶系统应降低车速，并在可能的情况下增加距离余量，以在自动驾驶车辆和骑车人之间创造更多的时间和空间，并以自然的方式驾驶。
#6：应该持续测试骑自行车的场景
开发安全和强大的自主软件的关键是彻底的测试。自动驾驶技术的开发人员应致力于对其自动驾驶系统进行持续的虚拟和物理测试，并在开发的各个阶段特别关注骑车人的安全：
虚拟测试：在虚拟世界中创建和模拟真实场景，以安全地测试各种场景。虚拟测试程序应由三种主要测试方法组成：模拟、重新模拟和前瞻，以每天测试自动驾驶汽车和骑车人交互的详尽排列。这些场景应捕捉不同的车辆和骑自行车者的行为，以及社会环境、道路结构和能见度的变化。
物理测试：包括在封闭路线和公共道路上进行测试。在测试轨道上进行测试可验证模拟并确保该技术在现实世界中的行为与在虚拟世界中的行为相同。测试的场景应包括公共道路上可能发生的交互以及被称为“边缘情况”的罕见情况。在多个城市的公共道路上进行车队测试，将技术暴露于各种城市环境，首先了解骑车人的行为，然后验证自动驾驶系统是否按预期工作。