DROID: Driver-centric Risk Object Identification

要約

リスクの高い運転状況の識別は、一般に、衝突リスクの推定または事故パターンの認識を通じてアプローチされます。
この作業では、主観的リスクの観点から問題にアプローチします。
ドライバーの行動変化を予測し、変化の原因を特定することで、主観的なリスク評価を運用可能にします。
この目的のために、ドライバー中心のリスク オブジェクト識別 (DROID) と呼ばれる新しいタスクを導入します。これは、エゴセントリック ビデオを使用して、監視信号としてのドライバーの反応のみを考慮して、ドライバーの行動に影響を与えるオブジェクトを識別します。
タスクを因果問題として定式化し、状況認識と因果推論のモデルからインスピレーションを得て、新しい 2 段階の DROID フレームワークを提示します。
DROID の評価には、Honda Research Institute Driving Dataset (HDD) から構築されたデータのサブセットが使用されます。
このデータセットを使用した強力なベースライン モデルと比較しても、最先端の DROID パフォーマンスを実証します。
さらに、デザインの選択を正当化するために、広範な除去研究を実施しています。
さらに、DROID のリスク評価への適用性を示します。

要約(オリジナル)

Identification of high-risk driving situations is generally approached through collision risk estimation or accident pattern recognition. In this work, we approach the problem from the perspective of subjective risk. We operationalize subjective risk assessment by predicting driver behavior changes and identifying the cause of changes. To this end, we introduce a new task called driver-centric risk object identification (DROID), which uses egocentric video to identify object(s) influencing a driver’s behavior, given only the driver’s response as the supervision signal. We formulate the task as a cause-effect problem and present a novel two-stage DROID framework, taking inspiration from models of situation awareness and causal inference. A subset of data constructed from the Honda Research Institute Driving Dataset (HDD) is used to evaluate DROID. We demonstrate state-of-the-art DROID performance, even compared with strong baseline models using this dataset. Additionally, we conduct extensive ablative studies to justify our design choices. Moreover, we demonstrate the applicability of DROID for risk assessment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google