論文の概要: Pedestrian Models for Autonomous Driving Part II: High-Level Models of
Human Behavior
- arxiv url: http://arxiv.org/abs/2003.11959v2
- Date: Mon, 20 Jul 2020 14:48:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-19 22:14:28.989686
- Title: Pedestrian Models for Autonomous Driving Part II: High-Level Models of
Human Behavior
- Title（参考訳）: 自律運転のための歩行者モデル その2:人間行動の高レベルモデル
- Authors: Fanta Camara, Nicola Bellotto, Serhan Cosar, Florian Weber, Dimitris
Nathanael, Matthias Althoff, Jingyuan Wu, Johannes Ruenz, Andr\'e Dietrich,
Gustav Markkula, Anna Schieben, Fabio Tango, Natasha Merat and Charles W. Fox
- Abstract要約: 歩行者の存在下で自動運転車を計画するには、将来の振る舞いをモデル化する必要がある。
この調査は、最適な歩行行動には良いモデルがあるが、歩行者行動の高レベル心理学的・社会的モデリングは依然としてオープンな研究課題であることを示している。
- 参考スコア（独自算出の注目度）: 12.627716603026391
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous vehicles (AVs) must share space with pedestrians, both in
carriageway cases such as cars at pedestrian crossings and off-carriageway
cases such as delivery vehicles navigating through crowds on pedestrianized
high-streets. Unlike static obstacles, pedestrians are active agents with
complex, interactive motions. Planning AV actions in the presence of
pedestrians thus requires modelling of their probable future behaviour as well
as detecting and tracking them. This narrative review article is Part II of a
pair, together surveying the current technology stack involved in this process,
organising recent research into a hierarchical taxonomy ranging from low-level
image detection to high-level psychological models, from the perspective of an
AV designer. This self-contained Part II covers the higher levels of this
stack, consisting of models of pedestrian behaviour, from prediction of
individual pedestrians' likely destinations and paths, to game-theoretic models
of interactions between pedestrians and autonomous vehicles. This survey
clearly shows that, although there are good models for optimal walking
behaviour, high-level psychological and social modelling of pedestrian
behaviour still remains an open research question that requires many conceptual
issues to be clarified. Early work has been done on descriptive and qualitative
models of behaviour, but much work is still needed to translate them into
quantitative algorithms for practical AV control.
- Abstract（参考訳）: 自動走行車(AV)は、歩行者が横断する車のような車道のケースや、歩行者化された高層道路で群衆を通り抜ける配達車のようなオフカージュウェイのケースの両方において、歩行者と空間を共有しなければならない。
静的な障害物とは異なり、歩行者は複雑なインタラクティブな動きを持つアクティブエージェントである。
歩行者の存在下でのAV行動の計画には、将来の行動のモデル化と検出と追跡が必要である。
本論文は,av設計者の視点から,低レベル画像検出から高レベル心理学モデルまで,階層分類学に関する最近の研究を組織し,このプロセスに関わる現在の技術スタックを調査したペアのパートiiである。
この自己完結型パートIIは、歩行者の行動モデルから、歩行者の目的地や道の予測、歩行者と自動運転車の間の相互作用のゲーム理論モデルまで、このスタックのより高いレベルをカバーする。
この調査は、最適な歩行行動には良いモデルが存在するが、歩行者行動の高レベル心理学的・社会的モデリングは、多くの概念的問題を解明する必要があるオープンな研究課題のままであることを示している。
初期の研究は記述的および定性的な行動モデルで行われているが、実用的なAV制御のための定量的アルゴリズムに翻訳するためにはまだ多くの作業が必要である。
関連論文リスト
- Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。
提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
論文 参考訳（メタデータ） (2023-12-26T18:56:49Z) - GPT-4V Takes the Wheel: Promises and Challenges for Pedestrian Behavior
Prediction [12.613528624623514]
本研究は,自律運転における歩行者行動予測の文脈において,視覚言語モデル(VLM)の定量的および定性的な評価を行った最初のものである。
JAAD と WiDEVIEW を用いて GPT-4V の評価を行った。
このモデルは、ゼロショット方式で57%の精度で達成されているが、それでもなお、歩行者の横断行動を予測する最先端のドメイン固有モデル(70%)の背後にある。
論文 参考訳（メタデータ） (2023-11-24T18:02:49Z) - Pedestrian Trajectory Prediction in Pedestrian-Vehicle Mixed
Environments: A Systematic Review [3.809702129519642]
歩行者と共有する空間で自動運転車の経路を計画するには、歩行者の将来の軌跡を推論する必要がある。
本稿では,歩行者軌跡予測をモデル化するための文献的手法を体系的に検討する。
論文 参考訳（メタデータ） (2023-08-11T23:58:51Z) - Analysis over vision-based models for pedestrian action anticipation [1.1470070927586016]
本稿では,歩行者のコンテキストのイメージを入力機能として利用することに焦点を当てる。
標準CNNおよびTransformerモジュールを利用する複数の紙モデルアーキテクチャを提案する。
本稿では,歩行者行動予測の文脈における視覚に基づくトランスフォーマーモデルの説明可能性について考察する。
論文 参考訳（メタデータ） (2023-05-27T11:30:32Z) - Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。
この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
論文 参考訳（メタデータ） (2022-11-01T11:07:37Z) - Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
歩行者の立ち止まりと予測の新たな課題を紹介します。
都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。
歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
論文 参考訳（メタデータ） (2022-03-04T18:39:31Z) - PSI: A Pedestrian Behavior Dataset for Socially Intelligent Autonomous
Car [47.01116716025731]
本稿では、IUPUI-CSRC Pedestrian Situated Intent(PSI)データと呼ばれる別のベンチマークデータセットを提案し、共有する。
最初の新しいラベルは、24人のドライバーによって達成されたエゴ車両の前を歩行者が横断する動的な意図の変化である。
2つ目は、歩行者の意図を推定し、その行動を予測するときに、運転者の推論プロセスに関するテキストベースの説明である。
論文 参考訳（メタデータ） (2021-12-05T15:54:57Z) - Modeling Interactions of Autonomous Vehicles and Pedestrians with Deep
Multi-Agent Reinforcement Learning for Collision Avoidance [20.542143534865154]
本研究では,対話系列をマルコフ決定過程 (MDP) としてモデル化し,深部強化学習 (DRL) アルゴリズムを用いて解析する。
知的歩行者行動の異なるPCAMシステムは,エージェントの衝突速度と結果の交通流効率に応じてベンチマークを行う。
その結果, AV は実験条件の大部分で完全に衝突を緩和できることがわかった。
論文 参考訳（メタデータ） (2021-09-30T17:06:39Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - What-If Motion Prediction for Autonomous Driving [58.338520347197765]
生存可能なソリューションは、道路レーンのような静的な幾何学的文脈と、複数のアクターから生じる動的な社会的相互作用の両方を考慮しなければならない。
本稿では,解釈可能な幾何学的(アクター・レーン)と社会的(アクター・アクター)の関係を持つグラフに基づく注意的アプローチを提案する。
提案モデルでは,道路レーンやマルチアクターの相互作用を仮定的に,あるいは「何」かで予測できる。
論文 参考訳（メタデータ） (2020-08-24T17:49:30Z) - Pedestrian Models for Autonomous Driving Part I: Low-Level Models, from
Sensing to Tracking [10.789792281963422]
このナラティブレビュー記事は、ペアのパートIであり、このプロセスに関わる現在のテクノロジスタックを調査します。
この自己完結型パートIは、検知や認識、歩行者の追跡など、このスタックの低レベルをカバーしている。
これらのレベルの技術は成熟しており、振る舞いモデリング、予測、相互作用制御といった高レベルのシステムでの使用の基礎として利用することができる。
論文 参考訳（メタデータ） (2020-02-26T17:57:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。