論文の概要: Towards trustworthy multi-modal motion prediction: Holistic evaluation
and interpretability of outputs
- arxiv url: http://arxiv.org/abs/2210.16144v2
- Date: Sat, 5 Aug 2023 14:28:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-09 00:39:05.332819
- Title: Towards trustworthy multi-modal motion prediction: Holistic evaluation
and interpretability of outputs
- Title（参考訳）: 信頼できるマルチモーダル運動予測に向けて:アウトプットの全体的評価と解釈可能性
- Authors: Sandra Carrasco Limeros, Sylwia Majchrowska, Joakim Johnander,
Christoffer Petersson, Miguel \'Angel Sotelo, David Fern\'andez Llorca
- Abstract要約: 我々は,アウトプットの評価基準,堅牢性,解釈可能性に焦点をあてる。
マルチモーダル動作予測モデルにアタッチ可能な意図予測層を提案する。
- 参考スコア（独自算出の注目度）: 3.5240925434839054
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Predicting the motion of other road agents enables autonomous vehicles to
perform safe and efficient path planning. This task is very complex, as the
behaviour of road agents depends on many factors and the number of possible
future trajectories can be considerable (multi-modal). Most prior approaches
proposed to address multi-modal motion prediction are based on complex machine
learning systems that have limited interpretability. Moreover, the metrics used
in current benchmarks do not evaluate all aspects of the problem, such as the
diversity and admissibility of the output. In this work, we aim to advance
towards the design of trustworthy motion prediction systems, based on some of
the requirements for the design of Trustworthy Artificial Intelligence. We
focus on evaluation criteria, robustness, and interpretability of outputs.
First, we comprehensively analyse the evaluation metrics, identify the main
gaps of current benchmarks, and propose a new holistic evaluation framework. We
then introduce a method for the assessment of spatial and temporal robustness
by simulating noise in the perception system. To enhance the interpretability
of the outputs and generate more balanced results in the proposed evaluation
framework, we propose an intent prediction layer that can be attached to
multi-modal motion prediction models. The effectiveness of this approach is
assessed through a survey that explores different elements in the visualization
of the multi-modal trajectories and intentions. The proposed approach and
findings make a significant contribution to the development of trustworthy
motion prediction systems for autonomous vehicles, advancing the field towards
greater safety and reliability.
- Abstract（参考訳）: 他の道路エージェントの動きを予測することで、自動運転車は安全かつ効率的な経路計画を行うことができる。
道路エージェントの挙動は多くの要因に依存するため、このタスクは非常に複雑であり、将来の軌道の数は相当である(マルチモーダル)。
マルチモーダル動作予測に対処するために提案されたほとんどのアプローチは、解釈可能性に制限のある複雑な機械学習システムに基づいている。
さらに、現在のベンチマークで使用されるメトリクスは、アウトプットの多様性や許容性など、問題のすべての側面を評価していない。
本研究は,信頼に値する人工知能の設計に必要ないくつかの要件に基づき,信頼に値する動き予測システムの設計に向けて進むことを目的とする。
出力の評価基準、堅牢性、解釈可能性に焦点を当てる。
まず、評価指標を総合的に分析し、現在のベンチマークの主なギャップを特定し、新しい総合評価フレームワークを提案する。
次に,知覚システムにおける雑音のシミュレーションによる空間的・時間的ロバスト性の評価手法を提案する。
提案した評価フレームワークでは,出力の解釈可能性を高め,よりバランスの取れた結果を生成するために,マルチモーダル動作予測モデルにアタッチ可能な意図予測層を提案する。
このアプローチの有効性は、マルチモーダル軌道と意図の可視化において異なる要素を探索する調査を通じて評価される。
提案手法と知見は,自律走行車における信頼性の高い動作予測システムの開発に大きく貢献し,安全性と信頼性向上に寄与する。
関連論文リスト
- Certified Human Trajectory Prediction [66.1736456453465]
交通予知は自動運転車に不可欠な役割を担っている。
本稿では,軌道予測作業に適した認証手法を提案する。
非有界出力や変異モダリティを含む、軌道予測に関連する固有の課題に対処する。
論文 参考訳（メタデータ） (2024-03-20T17:41:35Z) - Interpretable Self-Aware Neural Networks for Robust Trajectory
Prediction [50.79827516897913]
本稿では,意味概念間で不確実性を分散する軌道予測のための解釈可能なパラダイムを提案する。
実世界の自動運転データに対する我々のアプローチを検証し、最先端のベースラインよりも優れた性能を示す。
論文 参考訳（メタデータ） (2022-11-16T06:28:20Z) - Injecting Planning-Awareness into Prediction and Detection Evaluation [42.228191984697006]
私たちは一歩後退して、現在の評価指標を批判的に評価し、タスク対応メトリクスを、デプロイされるシステムのパフォーマンスのより良い測定基準として提案します。
実世界の自律運転データとともに、実世界のシミュレーション実験により、提案したタスク認識メトリクスが結果非対称性を考慮でき、モデルのクローズドループ性能をよりよく推定できることを確認した。
論文 参考訳（メタデータ） (2021-10-07T08:52:48Z) - Rethinking Trajectory Forecasting Evaluation [42.228191984697006]
私たちは一歩後退して、現在の軌跡予測指標を批判的に評価します。
本稿では,予測が展開されているシステムにおけるパフォーマンスの指標として,タスク対応メトリクスを提案する。
論文 参考訳（メタデータ） (2021-07-21T18:20:03Z) - Probabilistic Human Motion Prediction via A Bayesian Neural Network [71.16277790708529]
本稿では,人間の動作予測のための確率モデルを提案する。
我々のモデルは、観測された動きシーケンスが与えられたときに、いくつかの将来の動きを生成することができる。
我々は、大規模ベンチマークデータセットHuman3.6mに対して、我々のアプローチを広範囲に検証した。
論文 参考訳（メタデータ） (2021-07-14T09:05:33Z) - Spatio-Temporal Graph Dual-Attention Network for Multi-Agent Prediction
and Tracking [23.608125748229174]
異種エージェントを含む多エージェント軌道予測のための汎用生成ニューラルシステムを提案する。
提案システムは, 軌道予測のための3つのベンチマークデータセット上で評価される。
論文 参考訳（メタデータ） (2021-02-18T02:25:35Z) - LookOut: Diverse Multi-Future Prediction and Planning for Self-Driving [139.33800431159446]
LookOutは、環境を共同で知覚し、センサーデータから様々な未来を予測するアプローチである。
本モデルでは,大規模自動運転データセットにおいて,より多様性があり,サンプル効率のよい動き予測を行う。
論文 参考訳（メタデータ） (2021-01-16T23:19:22Z) - Uncertainty-Aware Vehicle Orientation Estimation for Joint
Detection-Prediction Models [12.56249869551208]
オリエンテーションは、自律システムの下流モジュールにとって重要な特性である。
本稿では,既存のモデルを拡張し,共同物体検出と動き予測を行う手法を提案する。
さらに、この手法は予測の不確かさを定量化することができ、推定された向きが反転する確率を出力することができる。
論文 参考訳（メタデータ） (2020-11-05T21:59:44Z) - 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) - The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
道路にはよく定義された地形、地形、交通規則がある。
本稿では,構造的事前を損失関数として組み込むことを提案する。
実世界の自動運転データセットにおけるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2020-06-04T03:56:11Z)
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。