論文の概要: Pride and Prejudice: Toward an Information-Theoretic Framework for Mutually Communicative Driver Behavior Modeling

• arxiv url: http://arxiv.org/abs/2606.16735v1
• Date: Mon, 15 Jun 2026 13:56:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.592722
• Title: Pride and Prejudice: Toward an Information-Theoretic Framework for Mutually Communicative Driver Behavior Modeling
• Title（参考訳）: プライドと偏見:相互通信運転行動モデリングのための情報理論フレームワークを目指して
• Authors: Tingjun Li, Nan Xu, Shuo Feng, Hassan Askari, Bruno Henrique Groenner Barbosa, Konghui Guo,
• Abstract要約: 混合自動運転は、自動運転車が互いの意図を誤読した場合、安全で非効率になる。 我々はこの問題を車線変更における暗黙の相互通信として検討する。 提案したフレームワークは、エゴ車両がその意図をどう表現するかをモデル化し、他のドライバーの好みを探索する。
• 参考スコア（独自算出の注目度）: 23.378362905847236
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mixed autonomy driving becomes unsafe and inefficient when autonomous vehicles (AVs) and human-driven vehicles (HVs) misread each other's intentions. We study this problem as implicit mutual communication in lane changes. The proposed framework models how the ego vehicle both expresses its intent and probes the other driver's preference under epistemic uncertainty. It combines a level-k Bayesian persuasion game with virtual features for proactive signaling, information-theoretic rewards for mutual communication, and adaptive weights of communication affordances. We further introduce the Pride-Inquiry (P-I) and Pride-Prejudice (P-P) planes to analyze communication intensity and tendency. The model is calibrated with a Communication-Based Multi-Agent Inverse Reinforcement Learning algorithm (C-MIRL) on the naturalistic NGSIM dataset. Compared with the non-communicative baseline, the proposed model reduces the prediction error of mandatory lane changes by up to 20% while maintaining strong generalization. Driver-In-the-Loop questionnaire scores are positively correlated with the calibrated communication variables, supporting the subjective validity of the model. The learned rewards further show that inquiry and listening affordances contribute more than pride and expression alone, and that inquiry preference varies more strongly across drivers. These results support explicit modeling of mutual communication and epistemic uncertainty in interactive driving.
• Abstract（参考訳）: 混合自律運転は、自律走行車(AV)と人間駆動運転車(HV)が互いの意図を誤読した場合、安全で非効率になる。 我々はこの問題を車線変更における暗黙の相互通信として検討する。 提案する枠組みは,エゴ車両が意図をどう表現するかをモデル化し,一方の運転者の嗜好を認識的不確実性の下で探究する。 レベルkベイズ的説得ゲームと、プロアクティブシグナリングのための仮想機能、相互通信のための情報理論的な報酬、およびコミュニケーションのアダプティブウェイトを組み合わせたものだ。 さらに,Pride-Inquiry (P-I) およびPride-Prejudice (P-P) 平面を導入し,通信強度と傾向を解析した。 このモデルは、自然主義NGSIMデータセットに基づいて、通信に基づく多エージェント逆強化学習アルゴリズム(C-MIRL)を用いて校正される。 非コミュニケーションベースラインと比較して、強い一般化を維持しつつ、必須車線変化の予測誤差を最大20%削減する。 ドライバ・イン・ザ・ループの問合せスコアは、校正されたコミュニケーション変数と正に相関し、モデルの主観的妥当性を支持する。 学習された報酬は、調査と聴取の余裕は、プライドと表現だけに留まらず、質問の好みがドライバーによって強く異なることを示している。 これらの結果は,対話運転における相互コミュニケーションの明示的モデリングと認識の不確実性を支援する。

関連論文リスト

• UNCAP: Uncertainty-Guided Planning Using Natural Language Communication for Cooperative Autonomous Vehicles [79.10221881250759]
  不確実性誘導自然言語協調自律計画(UNCAP)は、視覚言語モデルに基づく計画手法である。 CAVは、意思決定における認識の不確実性を明示的に考慮しながら、軽量な自然言語メッセージを介して通信することができる。 多様な運転シナリオに対する実験では、通信帯域幅が63%減少し、運転安全スコアが31%増加し、決定の不確実性が61%減少し、衝突距離マージンが4倍増加した。
  論文  参考訳（メタデータ） (2025-10-14T21:09:09Z)
• Large Language Models for Pedestrian Safety: An Application to Predicting Driver Yielding Behavior at Unsignalized Intersections [5.913801021011149]
  大型言語モデル(LLM)は異種交通データからパターンを抽出するのに適しており、ドライバーと歩行者の相互作用の正確なモデリングを可能にする。 本稿では,GPT-4oが常に高い精度とリコールを達成するのに対して,Deepseek-V3は高精度であることを示す。
  論文  参考訳（メタデータ） (2025-09-24T00:25:19Z)
• TPK: Trustworthy Trajectory Prediction Integrating Prior Knowledge For Interpretability and Kinematic Feasibility [11.436186697804835]
  軌道予測は自動運転車にとって不可欠であり、車両は周囲の道路利用者の動きを予測できる。 現在のディープラーニングモデルは、予測が物理的に実現不可能で、人間には非論理的であるため、信頼性に欠けることが多い。 本稿では,エージェントの行動差を捉えるために,すべてのエージェントクラスの相互作用とキネマティックな先行を取り入れることを提案する。
  論文  参考訳（メタデータ） (2025-05-10T19:29:32Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• 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)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• Decentralized cooperative perception for autonomous vehicles: Learning to value the unknown [1.2246649738388387]
  我々は、エージェントが完全な知覚を求めて活動する分散的なコラボレーション、すなわちピアツーピアを提案する。 我々は,未知の車両を自我車に要求するだけで,通常の通信パラダイムを逆転する通信方針を学習する方法を提案する。 特に,局所予測可能なVAE (LP-VAE) を提案する。
  論文  参考訳（メタデータ） (2022-12-12T00:01:27Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)

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。