交互场景下用于车辆轨迹预测的可解释基于目标模型
人工智能
2023-08-09 v1 应用统计
摘要
在城市环境中理解车辆与其周边之间的社交交互行为并预测其轨迹的能力对自动驾驶的道路安全至关重要。社交交互因其不确定性而难以解释。近年来，基于神经网络的方法被广泛用于轨迹预测，并已被证明优于手工设计的方法。然而，这些方法存在缺乏可解释性的缺陷。为克服此限制，我们将离散选择模型的可解释性与基于神经网络的模型的高精度相结合，用于交互环境中的车辆轨迹预测任务。我们使用 INTERACTION 数据集实现并评估了我们的模型，并证明了我们所提架构在不牺牲精度的情况下解释其预测的有效性。
引用
@article{arxiv.2308.04312,
title = {Interpretable Goal-Based model for Vehicle Trajectory Prediction in Interactive Scenarios},
author = {Amina Ghoul and Itheri Yahiaoui and Anne Verroust-Blondet and Fawzi Nashashibi},
journal= {arXiv preprint arXiv:2308.04312},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2105.03136 by other authors