基于反事实推理的智能驾驶目标重要性估计
机器人学
2024-10-16 v2
摘要
在复杂且动态的驾驶环境中识别重要目标的能力，对于自动驾驶智能体做出安全高效的驾驶决策至关重要。它还有助于辅助驾驶系统决定何时向驾驶员发出警报。我们以数据驱动的方式处理目标重要性估计问题，并引入了 HOIST——模拟交通中人工标注的目标重要性数据集。HOIST 包含带有车辆和行人工标注重要性标签的驾驶场景。我们还提出了一种依赖反事实推理来估计目标重要性的新方法。我们通过修改目标的运动来生成反事实场景，并根据这些修改如何影响自车的驾驶来赋予重要性。我们的方法在 HOIST 上的目标重要性估计任务中优于强基线。我们还进行了消融研究以证明我们设计选择的合理性，并展示了我们所提方法不同组件的重要性。
引用
@article{arxiv.2312.02467,
title = {Object Importance Estimation using Counterfactual Reasoning for Intelligent Driving},
author = {Pranay Gupta and Abhijat Biswas and Henny Admoni and David Held},
journal= {arXiv preprint arXiv:2312.02467},
year = {2024}
}