驾驶场景中的行为意图预测：综述
计算机视觉与模式识别
2023-12-11 v3 人工智能
摘要
在驾驶场景中，道路智能体通常频繁地与周围环境交互并理解意图。自我智能体（每个道路智能体自身）时刻预测其他道路使用者将采取何种行为，并期望达成共享且一致的理解以保障安全行驶。行为意图预测（BIP）模拟了此类人类考量过程，并实现对特定行为的早期预测。与其他预测任务（如轨迹预测）类似，数据驱动的深度学习已成为研究的主要范式。BIP 的快速发展不可避免地带来了新的问题与挑战。为催化未来研究，本文从可用数据集、关键因素与挑战、以行人为中心和以车辆为中心的 BIP 方法，以及 BIP 感知应用等方面对 BIP 进行了全面综述。基于调研，数据驱动的深度学习已成为主要范式。该领域大多数当前数据集与方法中的行为意图类型仍较单一（例如行人的穿越（C）与不穿越（NC），车辆的换道（LC））。此外，对于安全关键场景（如近碰撞情形），当前研究有限。通过本调研，我们指出了行为意图预测中的开放问题，并为未来研究提供了可能的见解。
引用
@article{arxiv.2211.00385,
title = {Behavioral Intention Prediction in Driving Scenes: A Survey},
author = {Jianwu Fang and Fan Wang and Jianru Xue and Tat-seng Chua},
journal= {arXiv preprint arXiv:2211.00385},
year = {2023}
}
备注
254 references