論文の概要: Eye Gaze-Informed and Context-Aware Pedestrian Trajectory Prediction in Shared Spaces with Automated Shuttles: A Virtual Reality Study

• arxiv url: http://arxiv.org/abs/2603.19812v1
• Date: Fri, 20 Mar 2026 09:57:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.097422
• Title: Eye Gaze-Informed and Context-Aware Pedestrian Trajectory Prediction in Shared Spaces with Automated Shuttles: A Virtual Reality Study
• Title（参考訳）: 自動シャトルを用いた共有空間における視線インフォームド・コンテクストを考慮した歩行者軌道予測:バーチャルリアリティスタディ
• Authors: Danya Li, Yan Feng, Rico Krueger,
• Abstract要約: 本稿では、歩行者が様々なシナリオで自動シャトルとどのように相互作用するかをキャプチャするバーチャルリアリティー(VR)研究について述べる。 共有空間における歩行者の意思決定における重要な行動パターンを明らかにする。 本稿では、歩行者の軌跡、きめ細かな視線力学、文脈要因を統合したマルチモーダルな視線インフォームド・コンテキスト認識予測モデルであるGazeX-LSTMを提案する。
• 参考スコア（独自算出の注目度）: 12.640255397914018
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of Automated Shuttles into shared urban spaces presents unique challenges due to the absence of traffic rules and the complex pedestrian interactions. Accurately anticipating pedestrian behavior in such unstructured environments is therefore critical for ensuring both safety and efficiency. This paper presents a Virtual Reality (VR) study that captures how pedestrians interact with automated shuttles across diverse scenarios, including varying approach angles and navigating in continuous traffic. We identify critical behavior patterns present in pedestrians' decision-making in shared spaces, including hesitation, evasive maneuvers, gaze allocation, and proxemic adjustments. To model pedestrian behavior, we propose GazeX-LSTM, a multimodal eye gaze-informed and context-aware prediction model that integrates pedestrians' trajectories, fine-grained eye gaze dynamics, and contextual factors. We shift prediction from a vehicle- to a human-centered perspective by leveraging eye-tracking data to capture pedestrian attention. We systematically validate the unique and irreplaceable predictive power of eye gaze over head orientation alone, further enhancing performance by integrating contextual variables. Notably, the combination of eye gaze data and contextual information produces super-additive improvements on pedestrian behavior prediction accuracy, revealing the complementary relationship between visual attention and situational contexts. Together, our findings provide the first evidence that eye gaze-informed modeling fundamentally advances pedestrian behavior prediction and highlight the critical role of situational contexts in shared-space interactions. This paves the way for safer and more adaptive automated vehicle technologies that account for how people perceive and act in complex shared spaces.
• Abstract（参考訳）: 自動シャトルの共有都市空間への統合は、交通規則の欠如と複雑な歩行者の相互作用により、ユニークな課題をもたらす。 したがって、そのような非構造環境での歩行者行動の正確な予測は、安全と効率の両方を確保するために重要である。 本稿では、歩行者がさまざまなシナリオで自動シャトルとどのように相互作用するかをVR(Virtual Reality)研究により明らかにする。 共有空間における歩行者の意思決定における重要な行動パターンを明らかにする。 歩行者行動のモデル化を目的として, 歩行者の軌跡, きめ細かな視線力学, 文脈要因を統合した多モード視線インフォームド・コンテキスト認識予測モデルGazeX-LSTMを提案する。 我々は、視線追跡データを利用して歩行者の注意を捉えることにより、予測を車から人間中心の視点にシフトする。 本研究は,頭部方位のみに対する視線の独自性および非置換性予測力を体系的に検証し,文脈変数の統合による性能の向上を図った。 特に、視線データと文脈情報を組み合わせることで、歩行者の行動予測精度が向上し、視覚的注意と状況的コンテキストの相補関係が明らかになる。 本研究は,視線インフォームド・モデリングが歩行者行動予測を根本的に前進させ,共有空間相互作用における状況的コンテキストの重要な役割を浮き彫りにする最初の証拠である。 これにより、人々が複雑な共有スペースでどのように認識し、どのように振舞うかを考慮し、より安全で適応的な自動車両技術を実現することができる。

関連論文リスト

• Where Do You Go? Pedestrian Trajectory Prediction using Scene Features [1.8874331450711404]
  本稿では,歩行者のインタラクションと環境コンテキストを統合した新しい軌道予測モデルを提案する。 本手法は,スパースグラフの枠組み内で歩行者間の空間的・時間的相互作用を捉える。 提案手法は既存の最先端手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-01-23T17:15:26Z)
• A Survey of World Models for Autonomous Driving [55.520179689933904]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
  RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。 データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review [43.30610493968783]
  我々は、最先端のディープラーニングベースの計画システムについてレビューし、どのように予測を統合するかに焦点を当てる。 異なる統合原則の意味、強み、限界について論じる。
  論文  参考訳（メタデータ） (2023-08-10T17:53:03Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)
• SCOUT: Socially-COnsistent and UndersTandable Graph Attention Network for Trajectory Prediction of Vehicles and VRUs [0.0]
  SCOUTは、グラフとしてシーンの柔軟で汎用的な表現を使用する新しい注意ベースのグラフニューラルネットワークです。 我々は3つの異なる注意メカニズムを探索し,鳥眼視と車載都市データを用いてそのスキームをテストする。 RounDデータセットの全く新しいシナリオでテストすることにより、モデルの柔軟性と転送性を評価します。
  論文  参考訳（メタデータ） (2021-02-12T06:29:28Z)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)
• Social-WaGDAT: Interaction-aware Trajectory Prediction via Wasserstein Graph Double-Attention Network [29.289670231364788]
  本稿では,マルチエージェント軌道予測のためのジェネリック生成ニューラルシステムを提案する。 また、車両軌道予測に効率的なキネマティック拘束層を応用した。 提案システムは,軌道予測のための3つの公開ベンチマークデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2020-02-14T20:11:13Z)

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。