Object Importance Estimation using Counterfactual Reasoning for Intelligent Driving

要約

複雑で動的な運転環境において重要な物体を識別する能力は、自動運転エージェントが安全かつ効率的な運転の意思決定を行うために不可欠です。
また、運転支援システムがドライバーに警告するタイミングを決定するのにも役立ちます。
私たちは、データ駆動型の方法でオブジェクトの重要度の推定に取り組み、HOIST (シミュレートされたトラフィックにおける人間による注釈付きオブジェクトの重要性) を導入します。
HOIST には、人間が注釈を付けた車両と歩行者の重要度ラベルを備えた運転シナリオが含まれています。
さらに、反事実的推論に依存してオブジェクトの重要性を推定する新しいアプローチを提案します。
私たちは物体の動きを変更することで反事実のシナリオを生成し、その変更が自車両の運転にどのような影響を与えるかに基づいて重要性を判断します。
私たちのアプローチは、HOIST でのオブジェクト重要度推定タスクの強力なベースラインを上回ります。
また、設計の選択を正当化し、提案するアプローチのさまざまなコンポーネントの重要性を示すためにアブレーション研究も実施します。

要約(オリジナル)

The ability to identify important objects in a complex and dynamic driving environment is essential for autonomous driving agents to make safe and efficient driving decisions. It also helps assistive driving systems decide when to alert drivers. We tackle object importance estimation in a data-driven fashion and introduce HOIST – Human-annotated Object Importance in Simulated Traffic. HOIST contains driving scenarios with human-annotated importance labels for vehicles and pedestrians. We additionally propose a novel approach that relies on counterfactual reasoning to estimate an object’s importance. We generate counterfactual scenarios by modifying the motion of objects and ascribe importance based on how the modifications affect the ego vehicle’s driving. Our approach outperforms strong baselines for the task of object importance estimation on HOIST. We also perform ablation studies to justify our design choices and show the significance of the different components of our proposed approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google