干预式行为预测:避免交互预测中过度自信的预期
机器人学
2022-08-02 v2 人工智能
摘要
条件行为预测(CBP)为连贯的交互式预测与规划框架奠定基础,该框架可在交互场景中实现更高效且更少保守的机动。在 CBP 任务中,我们训练一个预测模型,近似以指定自车 agent 的未来轨迹为条件的目标 agent 未来轨迹的后验分布。然而,我们认为 CBP 可能对自动驾驶 agent 如何影响目标 agent 行为提供过度自信的预期。因此,规划器查询 CBP 模型存在风险。相反,我们应将规划轨迹视为一种干预,并让模型学习干预下的轨迹分布。我们称之为干预式行为预测(IBP)任务。此外,为使用离线数据集恰当评估 IBP 模型,我们提出一种基于 Shapley 值的度量,以验证预测模型是否满足干预分布的固有时间独立性。我们表明,所提度量可有效识别违背时间独立性的 CBP 模型,这在建立 IBP 基准时具有重要作用。
引用
@article{arxiv.2204.08665,
title = {Interventional Behavior Prediction: Avoiding Overly Confident Anticipation in Interactive Prediction},
author = {Chen Tang and Wei Zhan and Masayoshi Tomizuka},
journal= {arXiv preprint arXiv:2204.08665},
year = {2022}
}