面向高交互驾驶场景中概率反应预测且考虑致命性的基准构建
机器人学
2018-09-11 v1 人工智能
摘要
自动驾驶车辆应能对其它道路使用者的不确定行为生成准确的概率预测。此外，在高交互驾驶场景中，反应式预测对于回答自动驾驶车辆“若我未来采取此动作会怎样”是必要的。目前尚无统一框架来对各种预测方法（如概率图模型（PGM）、神经网络（NN）和逆强化学习（IRL））的问题表述、表示简化与评估指标进行同质化。本文中，我们表述了一个概率反应预测问题，并揭示了反应预测与情境预测问题之间的关系。我们采用具有指定运动原型的轨迹而非“意图”来同质化表示，从而可评估不同方法生成的各轨迹对应概率。我们还讨论了“意图”为何不适合作为高交互场景中运动指示器的原因。我们提议使用 Brier 分数作为评估的基线指标。为揭示当预测被决策与规划采用时后果的致命性，我们提出一种致命性感知指标，即基于交互实体轨迹对关键性的加权 Brier 分数。由加权 Brier 分数定义保守性与非防御性，以指示不准确预测所导致的后果。基于 PGM、NN 和 IRL 的改进方法被提供，以在高速公路匝道切入的示例场景中生成概率反应预测。结果由基线与所提指标评估，构建了一个迷你基准。还通过比较基线与所提指标分数，对各方法的特性进行了分析。
引用
@article{arxiv.1809.03478,
title = {Towards a Fatality-Aware Benchmark of Probabilistic Reaction Prediction in Highly Interactive Driving Scenarios},
author = {Wei Zhan and Liting Sun and Yeping Hu and Jiachen Li and Masayoshi Tomizuka},
journal= {arXiv preprint arXiv:1809.03478},
year = {2018}
}
备注
2018 IEEE 21st International Conference on Intelligent Transportation Systems (ITSC)