論文の概要: Scenario-based Evaluation of Prediction Models for Automated Vehicles
- arxiv url: http://arxiv.org/abs/2210.06553v1
- Date: Tue, 11 Oct 2022 09:45:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-14 15:07:49.235198
- Title: Scenario-based Evaluation of Prediction Models for Automated Vehicles
- Title（参考訳）: シナリオに基づく自動走行車の予測モデルの評価
- Authors: Manuel Mu\~noz S\'anchez, Jos Elfring, Emilia Silvas and Ren\'e van de
Molengraft
- Abstract要約: 自動運転車の安全性評価における評価の実践はシナリオベースで実施されるべきである。
オープンモーションデータセットの軌跡を捉えた動きの種類に応じて分類する。
その結果, 共通評価手法は不十分であり, モデルが動作するアプリケーションに応じて評価を行う必要があることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To operate safely, an automated vehicle (AV) must anticipate how the
environment around it will evolve. For that purpose, it is important to know
which prediction models are most appropriate for every situation. Currently,
assessment of prediction models is often performed over a set of trajectories
without distinction of the type of movement they capture, resulting in the
inability to determine the suitability of each model for different situations.
In this work we illustrate how standardized evaluation methods result in wrong
conclusions regarding a model's predictive capabilities, preventing a clear
assessment of prediction models and potentially leading to dangerous on-road
situations. We argue that following evaluation practices in safety assessment
for AVs, assessment of prediction models should be performed in a
scenario-based fashion. To encourage scenario-based assessment of prediction
models and illustrate the dangers of improper assessment, we categorize
trajectories of the Waymo Open Motion dataset according to the type of movement
they capture. Next, three different models are thoroughly evaluated for
different trajectory types and prediction horizons. Results show that common
evaluation methods are insufficient and the assessment should be performed
depending on the application in which the model will operate.
- Abstract（参考訳）: 安全に運用するには、自動走行車(AV)が周囲の環境がどのように進化するかを予測する必要がある。
そのため,どの予測モデルがどの状況に最も適しているかを知ることが重要である。
現在、予測モデルの評価は、それらが捉えた動きのタイプを区別せずに一連の軌道上で行われ、その結果、異なる状況における各モデルの適合性を決定することができない。
本研究では,標準化された評価手法が,モデルの予測能力に関する誤った結論を導出し,予測モデルの明確な評価を防止し,道路上の危険な状況につながる可能性を示唆する。
AVの安全性評価における評価の実践に従って,予測モデルの評価をシナリオベースで行うべきである。
シナリオに基づく予測モデルの評価を奨励し、不適切な評価の危険性を説明するため、Waymo Open Motionデータセットの軌跡を捉えた動きの種類に応じて分類する。
次に、3つの異なるモデルが異なる軌道タイプと予測地平線に対して徹底的に評価される。
その結果, 共通評価手法は不十分であり, モデルが動作するアプリケーションに応じて評価を行う必要があることがわかった。
関連論文リスト
- Predictive Churn with the Set of Good Models [64.05949860750235]
近似機械学習モデルの集合に対する競合予測の効果について検討する。
ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。
当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
論文 参考訳（メタデータ） (2024-02-12T16:15:25Z) - Evaluating Pedestrian Trajectory Prediction Methods with Respect to Autonomous Driving [0.9217021281095907]
本稿では,単一軌跡生成の文脈における歩行者軌跡予測における技術の現状を評価する。
評価は、平均変位誤差(ADE)と最終変位誤差(FDE)を報告した広く使われているETH/UCYデータセット上で行われる。
論文 参考訳（メタデータ） (2023-08-09T19:21:50Z) - Streaming egocentric action anticipation: An evaluation scheme and
approach [27.391434284586985]
エゴセントリックなアクション予測は、カメラ装着者が過去の観察から将来のアクションを予測することを目的としている。
現在の評価手法は、入力ビデオが観測された直後に予測が利用可能であると仮定している。
本稿では,モデルが現在の入力セグメントを処理した後のみ,オンラインで予測を行うと仮定したストリーミングエゴセントリックな行動評価手法を提案する。
論文 参考訳（メタデータ） (2023-06-29T04:53:29Z) - Model Predictive Control with Gaussian-Process-Supported Dynamical
Constraints for Autonomous Vehicles [82.65261980827594]
本研究では、学習したガウス過程を利用して人間の運転行動を予測する自動運転車のモデル予測制御手法を提案する。
マルチモード予測制御アプローチは、人間のドライバーの意図を考察する。
論文 参考訳（メタデータ） (2023-03-08T17:14:57Z) - Benchmark for Models Predicting Human Behavior in Gap Acceptance
Scenarios [4.801975818473341]
我々は、どんなモデルでも、どんなメトリクスでも、どんなシナリオでも、容易に評価できるフレームワークを開発します。
次に、このフレームワークを最先端の予測モデルに適用する。
論文 参考訳（メタデータ） (2022-11-10T09:59:38Z) - Uncertainty estimation of pedestrian future trajectory using Bayesian
approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。
著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。
将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文 参考訳（メタデータ） (2022-05-04T04:23:38Z) - Forecast Evaluation in Large Cross-Sections of Realized Volatility [0.0]
我々は,実効ボラティリティの予測において,拡張断面に基づくモデルの予測精度を評価する。
測定誤差補正と断面ジャンプ成分測定を組み込んだモデル仕様に対する予測の感度について検討した。
論文 参考訳（メタデータ） (2021-12-09T13:19:09Z) - Acting upon Imagination: when to trust imagined trajectories in model based reinforcement learning [1.26990070983988]
モデルベース強化学習(MBRL)は、行動の結果を予測する環境力学のモデル(s)を学習することを目的としている。
仮想軌道のオンライン評価のための不確実性推定手法を提案する。
その結果,性能を犠牲にすることなく計算コストを大幅に削減できることがわかった。
論文 参考訳（メタデータ） (2021-05-12T15:04:07Z) - Characterizing Fairness Over the Set of Good Models Under Selective
Labels [69.64662540443162]
同様の性能を実現するモデルセットに対して,予測公正性を特徴付けるフレームワークを開発する。
到達可能なグループレベルの予測格差の範囲を計算するためのトラクタブルアルゴリズムを提供します。
選択ラベル付きデータの実証的な課題に対処するために、我々のフレームワークを拡張します。
論文 参考訳（メタデータ） (2021-01-02T02:11:37Z) - Forethought and Hindsight in Credit Assignment [62.05690959741223]
我々は、前向きモデルや後向きモデルによる後向き操作による予測として使われる計画の利益と特異性を理解するために活動する。
本稿では,予測を(再)評価すべき状態の選択に主眼を置いて,計画におけるモデルの利用について検討する。
論文 参考訳（メタデータ） (2020-10-26T16:00:47Z) - Counterfactual Predictions under Runtime Confounding [74.90756694584839]
本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。
本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
論文 参考訳（メタデータ） (2020-06-30T15:49:05Z)
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。