論文の概要: Pedestrian crossing decisions can be explained by bounded optimal
decision-making under noisy visual perception
- arxiv url: http://arxiv.org/abs/2402.04370v1
- Date: Tue, 6 Feb 2024 20:13:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-08 18:08:51.271889
- Title: Pedestrian crossing decisions can be explained by bounded optimal
decision-making under noisy visual perception
- Title（参考訳）: 歩行者横断決定は、雑音の多い視覚知覚下での最適意思決定によって説明できる
- Authors: Yueyang Wang, Aravinda Ramakrishnan Srinivasan, Jussi P.P. Jokinen,
Antti Oulasvirta, Gustav Markkula
- Abstract要約: 交差決定は、人間の認知的限界から生じる最適性に縛られ、有界に最適であると仮定される。
我々は、機械的にノイズの多い人間の視覚知覚をモデル化し、交差する際の報酬を仮定するが、強化学習を用いて境界付き最適行動ポリシーを学習する。
- 参考スコア（独自算出の注目度）: 27.33595198576784
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a model of pedestrian crossing decisions, based on the
theory of computational rationality. It is assumed that crossing decisions are
boundedly optimal, with bounds on optimality arising from human cognitive
limitations. While previous models of pedestrian behaviour have been either
'black-box' machine learning models or mechanistic models with explicit
assumptions about cognitive factors, we combine both approaches. Specifically,
we model mechanistically noisy human visual perception and assumed rewards in
crossing, but we use reinforcement learning to learn bounded optimal behaviour
policy. The model reproduces a larger number of known empirical phenomena than
previous models, in particular: (1) the effect of the time to arrival of an
approaching vehicle on whether the pedestrian accepts the gap, the effect of
the vehicle's speed on both (2) gap acceptance and (3) pedestrian timing of
crossing in front of yielding vehicles, and (4) the effect on this crossing
timing of the stopping distance of the yielding vehicle. Notably, our findings
suggest that behaviours previously framed as 'biases' in decision-making, such
as speed-dependent gap acceptance, might instead be a product of rational
adaptation to the constraints of visual perception. Our approach also permits
fitting the parameters of cognitive constraints and rewards per individual, to
better account for individual differences. To conclude, by leveraging both RL
and mechanistic modelling, our model offers novel insights about pedestrian
behaviour, and may provide a useful foundation for more accurate and scalable
pedestrian models.
- Abstract（参考訳）: 本稿では,計算的合理性理論に基づく歩行者横断決定のモデルを提案する。
交差決定は、人間の認知的限界から生じる最適性に縛られ、境界的に最適であると仮定される。
これまでの歩行者行動のモデルは「ブラックボックス」機械学習モデルか、認知的要因に関する明確な仮定を持つ機械的モデルであった。
具体的には、機械的にノイズの多い人間の視覚知覚をモデル化し、交差する際の報酬を仮定するが、強化学習を用いて境界付き最適行動ポリシーを学習する。
本モデルでは, 従来モデルよりも多くの経験的現象を再現し, 1) 接近する車両の到着までの時間が, 歩行者がギャップを受理するか否か, (2) 降車前を横断する速度と, (3) 降車前を横断する歩行者タイミングと, (4) 降車停止距離の横断タイミングに与える影響について検討した。
特に, 速度依存的ギャップ受容などの意思決定における行動が, 視覚的知覚の制約に対する合理的適応の産物である可能性が示唆された。
また,個人毎の認知的制約や報酬のパラメータを適合させることで,個人差をよりよく説明できる。
結論として、RLモデルとメカニスティックモデルの両方を活用することで、歩行者行動に関する新たな洞察を与え、より正確でスケーラブルな歩行者モデルに有用な基盤を提供する。
関連論文リスト
- MetaFollower: Adaptable Personalized Autonomous Car Following [63.90050686330677]
適応型パーソナライズされた自動車追従フレームワークであるMetaFollowerを提案する。
まず,モデルに依存しないメタラーニング(MAML)を用いて,様々なCFイベントから共通運転知識を抽出する。
さらに、Long Short-Term Memory (LSTM) と Intelligent Driver Model (IDM) を組み合わせて、時間的不均一性を高い解釈性で反映する。
論文 参考訳（メタデータ） (2024-06-23T15:30:40Z) - Representation Surgery: Theory and Practice of Affine Steering [72.61363182652853]
言語モデルは、しばしば好ましくない振る舞いを示す。
モデルが望ましくない振る舞いを示すのを防ぐための自然な(そして一般的な)アプローチの1つは、モデルの表現を操ることである。
本稿では, ステアリング機能の形式的および経験的特性について検討する。
論文 参考訳（メタデータ） (2024-02-15T00:20:30Z) - Secrets of RLHF in Large Language Models Part II: Reward Modeling [134.97964938009588]
本稿では,データセットにおける不正確で曖昧な嗜好の影響を軽減するために,一連の新しい手法を紹介する。
また、選択された応答と拒否された応答を区別する報酬モデルの有用性を高めるために、対照的な学習を導入する。
論文 参考訳（メタデータ） (2024-01-11T17:56:59Z) - RACER: Rational Artificial Intelligence Car-following-model Enhanced by
Reality [51.244807332133696]
本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。
従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。
RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
論文 参考訳（メタデータ） (2023-12-12T06:21:30Z) - Resolving uncertainty on the fly: Modeling adaptive driving behavior as
active inference [6.935068505791817]
適応運転行動の既存の交通心理学モデルは、計算厳密さを欠いているか、特定のシナリオや行動現象にのみ対応していない。
本稿では,脳神経科学を起源とする行動モデルである,能動推論に基づくモデルを提案する。
予測自由エネルギー最小化の単一原理から人間のような適応運転行動が生じることを示す。
論文 参考訳（メタデータ） (2023-11-10T22:40:41Z) - Using Models Based on Cognitive Theory to Predict Human Behavior in
Traffic: A Case Study [4.705182901389292]
本研究では,ギャップ受容シナリオにおける人間の行動予測のための認知的確証のある新しいモデルの有用性について検討する。
我々は、このモデルが確立されたデータ駆動予測モデルと競合したり、さらに優れていることを示す。
論文 参考訳（メタデータ） (2023-05-24T14:27:00Z) - Intention-Aware Decision-Making for Mixed Intersection Scenarios [1.2891210250935146]
本稿では,歩行者と自動走行車とのインタラクションを扱うために,ホワイトボックスを意識した意思決定手法を提案する。
意思決定の自動パラメータ化を可能にする設計フレームワークが開発されている。
論文 参考訳（メタデータ） (2023-03-29T13:23:51Z) - Modeling human road crossing decisions as reward maximization with
visual perception limitations [23.561752465516047]
我々は,計算的合理性に基づく歩行者横断決定のモデルを開発する。
提案した認知-RLモデルは、ギャップ受容と交差開始時間の人間的なパターンをキャプチャする。
以上の結果から,これは人間の知覚的限界に対する合理的適応である可能性が示唆された。
論文 参考訳（メタデータ） (2023-01-27T14:20:35Z) - A Utility Maximization Model of Pedestrian and Driver Interactions [5.02231401459109]
本研究では,道路利用者間の対話行動の詳細を考慮し,実用性,運動プリミティブ,断続的行動決定の原則を適用したモデリングフレームワークを開発する。
これらの現象は、モデルがパラメータを進化させることによって、モデリングフレームワークから自然に現れることを示す。
論文 参考訳（メタデータ） (2021-10-21T09:42:02Z) - Congestion-aware Multi-agent Trajectory Prediction for Collision
Avoidance [110.63037190641414]
渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。
学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。
実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
論文 参考訳（メタデータ） (2021-03-26T02:42:33Z) - Concept Bottleneck Models [79.91795150047804]
現在の最先端モデルは、通常「骨の支柱の存在」のような概念の操作をサポートしない。
トレーニング時に提供される概念を最初に予測し、ラベルを予測するためにこれらの概念を使用するという古典的な考え方を再考する。
X線グレーディングと鳥の識別では、概念ボトルネックモデルが標準のエンドツーエンドモデルと競合する精度を達成する。
論文 参考訳（メタデータ） (2020-07-09T07:47:28Z)
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。