面向可解释与可理解行人过街预测的实验性见解
机器学习
2023-12-06 v1 人工智能
神经与进化计算
系统与控制
系统与控制
摘要
在自动驾驶的背景下，行人过街预测是提高道路安全的关键组成部分。目前，这些预测的重点不仅限于获得可信的结果，还正在转向这些预测的可解释性和可理解性。本研究引入了一种新颖的神经符号方法，该方法结合了深度学习和模糊逻辑，以实现可解释和可理解的行人过街预测。我们开发了一个可解释的预测器（ExPedCross），它利用一组可解释的特征，并采用模糊推理系统来预测行人是否会过街。我们的方法在 PIE 和 JAAD 数据集上进行了评估。结果为在行人过街预测任务中实现可解释性和可理解性提供了实验性见解。此外，测试结果还就数据集选择、特征选择和可解释性的过程给出了一套指南和建议。
引用
@article{arxiv.2312.02872,
title = {Experimental Insights Towards Explainable and Interpretable Pedestrian Crossing Prediction},
author = {Angie Nataly Melo and Carlota Salinas and Miguel Angel Sotelo},
journal= {arXiv preprint arXiv:2312.02872},
year = {2023}
}