論文の概要: Pedestrian Behavior Prediction for Automated Driving: Requirements,
Metrics, and Relevant Features
- arxiv url: http://arxiv.org/abs/2012.08418v1
- Date: Tue, 15 Dec 2020 16:52:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-07 05:09:02.856899
- Title: Pedestrian Behavior Prediction for Automated Driving: Requirements,
Metrics, and Relevant Features
- Title（参考訳）: 自動運転のための歩行者行動予測:要件,メトリクス,関連する特徴
- Authors: Michael Herman, J\"org Wagner, Vishnu Prabhakaran, Nicolas M\"oser,
Hanna Ziesche, Waleed Ahmed, Lutz B\"urkle, Ernst Kloppenburg, Claudius
Gl\"aser
- Abstract要約: システムレベルアプローチによる自動走行の歩行者行動予測の要件を分析した。
人間の運転行動に基づいて、自動走行車の適切な反応パターンを導出する。
複数の文脈的手がかりを組み込んだ変分条件自動エンコーダに基づく歩行者予測モデルを提案する。
- 参考スコア（独自算出の注目度）: 1.1888947789336193
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated vehicles require a comprehensive understanding of traffic
situations to ensure safe and comfortable driving. In this context, the
prediction of pedestrians is particularly challenging as pedestrian behavior
can be influenced by multiple factors. In this paper, we thoroughly analyze the
requirements on pedestrian behavior prediction for automated driving via a
system-level approach: to this end we investigate real-world pedestrian-vehicle
interactions with human drivers. Based on human driving behavior we then derive
appropriate reaction patterns of an automated vehicle. Finally, requirements
for the prediction of pedestrians are determined. This also includes a novel
metric tailored to measure prediction performance from a system-level
perspective. Furthermore, we present a pedestrian prediction model based on a
Conditional Variational Auto-Encoder (CVAE) which incorporates multiple
contextual cues to achieve accurate long-term prediction. The CVAE shows
superior performance over a baseline prediction model, where prediction
performance was evaluated on a large-scale data set comprising thousands of
real-world pedestrian-vehicle-interactions. Finally, we investigate the impact
of different contextual cues on prediction performance via an ablation study
whose results can guide future research on the perception of relevant
pedestrian attributes.
- Abstract（参考訳）: 自動走行車は安全で快適な運転を確保するために交通状況の包括的な理解を必要とする。
この文脈では、歩行者の行動が複数の要因に影響されるため、歩行者の予測は特に困難である。
本稿では,システムレベルアプローチによる自動走行における歩行者行動予測の要件を網羅的に分析する。
人間の運転行動に基づいて、自動走行車の適切な反応パターンを導き出す。
最後に、歩行者の予測の要件を決定する。
これはまた、システムレベルの観点から予測性能を測定するために調整された新しいメトリクスを含んでいる。
さらに,条件付き変分自動エンコーダ(CVAE)に基づく歩行者予測モデルを提案する。
CVAEはベースライン予測モデルよりも優れた性能を示し、数千の現実世界の歩行者と車両の相互作用からなる大規模データセット上で予測性能を評価した。
最後に, 歩行者属性の知覚に関する今後の研究を導くアブレーション研究を通じて, 異なる文脈的手がかりが予測性能に与える影響について検討する。
関連論文リスト
- BAT: Behavior-Aware Human-Like Trajectory Prediction for Autonomous
Driving [24.123577277806135]
我々は行動認識軌道予測モデル(BAT)を考案した。
我々のモデルは行動認識、相互作用認識、優先度認識、位置認識モジュールから構成される。
次世代シミュレーション(NGSIM)、ハイウェイドローン(HighD)、ラウンドアバウンドドローン(RounD)、マカオコネクテッド自律運転(MoCAD)データセットにおけるBATの性能を評価する。
論文 参考訳（メタデータ） (2023-12-11T13:27:51Z) - 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) - What Truly Matters in Trajectory Prediction for Autonomous Driving? [25.700880872677256]
軌道予測は自律運転システムの性能において重要な役割を果たす。
固定データセット上の予測器の精度と、車両制御のために下流で予測器が使用される場合の駆動性能との間には、大きな相違がある。
論文 参考訳（メタデータ） (2023-06-27T01:29:20Z) - Learning Pedestrian Actions to Ensure Safe Autonomous Driving [12.440017892152417]
自動運転車は、歩行者の短期的かつ即時的な行動をリアルタイムで予測する能力を持つことが重要である。
本研究では,歩行者行動と軌跡予測のために,トランスフォーマーエンコーダデコーダ (TF-ed) アーキテクチャを用いた新しいマルチタスクシーケンスを提案する。
提案手法は,既存のLSTMエンコーダデコーダ (LSTM-ed) アーキテクチャを用いて動作と軌道予測を行う。
論文 参考訳（メタデータ） (2023-05-22T14:03:38Z) - 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) - Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。
本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
論文 参考訳（メタデータ） (2022-04-28T07:37:21Z) - 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) - Pedestrian Intention Prediction: A Multi-task Perspective [83.7135926821794]
グローバルに展開するためには、自動運転車は歩行者の安全を保証する必要がある。
本研究は歩行者の意図と視覚状態を共同で予測することでこの問題を解決しようとするものである。
この方法はマルチタスク学習アプローチにおけるリカレントニューラルネットワークである。
論文 参考訳（メタデータ） (2020-10-20T13:42:31Z) - Towards Incorporating Contextual Knowledge into the Prediction of
Driving Behavior [5.345872343035626]
外部条件による予測の影響について検討する。
より正確には、横方向の動作予測に対する最先端のアプローチが、ある選択された外部条件、すなわち交通密度の影響について検討する。
本研究は,自動走行車への情報統合に向けた第一歩となる。
論文 参考訳（メタデータ） (2020-06-15T15:21:02Z) - PiP: Planning-informed Trajectory Prediction for Autonomous Driving [69.41885900996589]
マルチエージェント設定における予測問題に対処するために,計画インフォームド・トラジェクトリ予測(PiP)を提案する。
本手法は,エゴカーの計画により予測過程を通知することにより,高速道路のデータセット上でのマルチエージェント予測の最先端性能を実現する。
論文 参考訳（メタデータ） (2020-03-25T16:09:54Z) - Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。
本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。
歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
論文 参考訳（メタデータ） (2020-02-20T18:50:44Z)
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。