基于心理特征的行人跨越意图预测及Transformer融合
计算机视觉与模式识别
2026-03-23 v1 机器人学
摘要
行人意图预测对自动驾驶车辆在城市环境中安全行驶至关重要。我们提出了一种轻量级、社会感知的行人意图预测架构。该架构通过高速编码器、紧凑的4-token Transformer以及全局自注意力池化，对四种行为流（注意力、位置、情境和互动）进行融合。为量化不确定性，我们引入两种互补头：一个变分瓶颈，其KL散度捕捉表观不确定性，以及一个马氏距离检测器，用于识别分布迁移。这些组件共同产生已校准的概率和可操作的风险评分，同时不牺牲效率。在PSI 1.0基准测试中，我们的模型通过仅使用结构化、可解释特征， outperformed最近的视觉语言模型，实现0.9 F1、0.94 AUC-ROC和0.78 MCC。在更具多样性的PSI 2.0数据集上（据我们所知，暂无先前结果），我们建立了0.78 F1和0.79 AUC-ROC的强基线。基于马氏距离的选择性预测在80%覆盖率时将测试准确率提高最高可达0.4个百分点。定性注意力热图进一步显示模型在模糊情境下如何转移跨流注意力。该方法具有模态无关性，易于集成到视觉语言管道中，适用于资源受限平台上的风险感知意图预测。
引用
@article{arxiv.2603.19533,
title = {Pedestrian Crossing Intent Prediction via Psychological Features and Transformer Fusion},
author = {Sima Ashayer and Hoang H. Nguyen and Yu Liang and Mina Sartipi},
journal= {arXiv preprint arXiv:2603.19533},
year = {2026}
}
备注
Accepted to IEEE Intelligent Vehicles Symposium (IV) 2026. 8 pages, 3 figures