使用Transformer预测两个不同群体的车道变换意图

由于车道变换意图预测在复杂驾驶场景中对安全高效驾驶体验的重要性日益增长，研究人员近年来开始训练新型机器学习算法并在可用数据集上取得了有前景的结果。然而，这项近期研究努力的一个不足之处在于，大多数提出的算法都是在单一数据集上训练的。研究人员未能测试其算法在不同数据集上是否同样有效，进而未能测试其在训练时所针对的不同群体上的效果。在本文中，我们在一个Transformer模型上测试了车道变换意图预测，该模型在两个由LevelX在德国和香港收集的数据集上进行评估。我们发现，当在一个与训练群体不同的群体上进行测试时，该Transformer的准确率急剧下降，准确率低至39.43%；但当同时在两个群体上进行训练时，准确率可达86.71%。——本文已提交至IEEE以供可能的出版。版权可能在未通知的情况下被转让，此后此版本可能不再可访问。