Experimental Insights Towards Explainable and Interpretable Pedestrian Crossing Prediction

要約

自動運転の文脈では、歩行者の横断予測は交通安全を向上させるための重要な要素です。
現在、これらの予測の焦点は、信頼できる結果を達成することだけにとどまりません。
これらの予測の説明可能性と解釈可能性へと移行しつつあります。
この研究では、ディープラーニングとファジーロジックを組み合わせた、説明可能かつ解釈可能な横断歩道予測を実現する新しい神経記号的アプローチを導入しています。
私たちは、一連の説明可能な特徴を利用し、ファジィ推論システムを採用して歩行者が横断するかどうかを予測する説明可能な予測器 (ExPedCross) を開発しました。
私たちのアプローチは、PIE データセットと JAAD データセットの両方で評価されました。
この結果は、横断歩道予測タスクにおける説明可能性と解釈可能性を達成するための実験的洞察を提供します。
さらに、テスト結果からは、データセットの選択、特徴の選択、説明可能性のプロセスに関する一連のガイドラインと推奨事項が得られます。

要約(オリジナル)

In the context of autonomous driving, pedestrian crossing prediction is a key component for improving road safety. Presently, the focus of these predictions extends beyond achieving trustworthy results; it is shifting towards the explainability and interpretability of these predictions. This research introduces a novel neuro-symbolic approach that combines deep learning and fuzzy logic for an explainable and interpretable pedestrian crossing prediction. We have developed an explainable predictor (ExPedCross), which utilizes a set of explainable features and employs a fuzzy inference system to predict whether the pedestrian will cross or not. Our approach was evaluated on both the PIE and JAAD datasets. The results offer experimental insights into achieving explainability and interpretability in the pedestrian crossing prediction task. Furthermore, the testing results yield a set of guidelines and recommendations regarding the process of dataset selection, feature selection, and explainability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google