ESP：紧急情境中基于外观视角的长期行为推断
计算机视觉与模式识别
2024-05-08 v1 机器学习
摘要
涌现场景安全是完全自动驾驶的关键里程碑，可靠的即时预测对于维持紧急情境下的安全至关重要。然而，这些紧急情境长尾且难以收集，限制了系统获得可靠预测的能力。本文构建了一个新数据集，旨在针对紧急事件中历史状态变化不显著的长期预测问题，称为外观视角预测（ESP）问题。基于所提出的数据集，引入了一种用于ESP的灵活特征编码器，可作为各种预测方法的无缝插件，其一致的性能提升凸显了其有效性。进一步地，提出了一种新指标——夹 clamped 时间误差（CTE），用于更全面地评估预测性能，尤其是在亚秒级的紧急事件中。有趣的是，由于我们的ESP特征可自然地用人类可读语言描述，其集成到ChatGPT中也显示出巨大的潜力。ESP数据集及所有基准已发布于 https://dingrui-wang.github.io/ESP-Dataset/。
引用
@article{arxiv.2405.04100,
title = {ESP: Extro-Spective Prediction for Long-term Behavior Reasoning in Emergency Scenarios},
author = {Dingrui Wang and Zheyuan Lai and Yuda Li and Yi Wu and Yuexin Ma and Johannes Betz and Ruigang Yang and Wei Li},
journal= {arXiv preprint arXiv:2405.04100},
year = {2024}
}
备注
Accepted by ICRA 2024 as Oral Presentation