一种数据驱动、基于证伪的人类驾驶员行为模型
机器人学
2020-04-29 v2 系统与控制
系统与控制
摘要
我们提出了一种新颖的框架，通过使用参数化信号时序逻辑（STL）构建数据驱动的边界，来区分源自人类与非人类驾驶员的车辆轨迹。这种构建使我们能够评估轨迹、检测罕见事件，并在驾驶员行为以控制综合与评估问题中的扰动形式出现时降低其不确定性。我们训练了一个分类器，将可接受的（即人类的）样本（来自真实世界演示）与不可接受的（即非人类的）样本（通过对从同一真实世界驾驶数据综合得到的规范进行证伪而生成）分离开来。以这种方式进行，可找到真实世界驾驶记录中所展现人类行为的合理边界。该框架通过一个涉及人类驾驶车辆接近信号化交叉口的案例研究进行了演示。
引用
@article{arxiv.1912.08361,
title = {A Data-driven, Falsification-based Model of Human Driver Behavior},
author = {Nauman Sohani and Geunseob Oh and Xinpeng Wang},
journal= {arXiv preprint arXiv:1912.08361},
year = {2020}
}
备注
ACC 2020. The first two authors contributed equally to this work