你大多独自行走：轨迹预测中的特征归因分析
机器学习
2021-10-12 v1
摘要
当运动智能体的过去轨迹平滑延续时，预测其未来轨迹可能很容易，但当涉及与其他智能体的复杂交互时则具有挑战性。近期用于轨迹预测的深度学习方法中展现出有前景的性能，并将部分原因归结为对智能体间交互的成功推理。然而，此类黑盒模型实际学习使用了哪些特征进行预测仍不清楚。本文提出一种基于 Shapley 值变体来量化不同线索对模型性能贡献的流程。将该流程应用于标准基准数据集上最先进的轨迹预测方法，结果表明它们实际上无法推理交互。相反，目标的过去轨迹是用于预测其未来的唯一特征。另一方面，对于具有更丰富社会交互模式的任务，经我们的特征归因方法量化，被测模型在某种程度上确实捕捉到了此类交互。我们讨论了所提方法的局限性及其与因果性的联系。
引用
@article{arxiv.2110.05304,
title = {You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction},
author = {Osama Makansi and Julius von Kügelgen and Francesco Locatello and Peter Gehler and Dominik Janzing and Thomas Brox and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:2110.05304},
year = {2021}
}