Behavioral Intention Prediction in Driving Scenes: A Survey

要約

運転現場では、道路管理者は通常、頻繁に対話を行い、周囲の意図を把握します。
エゴエージェント (各道路管理者自体) は、他の道路利用者がどのような行動をとるかを常に予測し、安全な移動のための共有された一貫した理解を期待します。
Behavioral Intention Prediction (BIP) は、このような人間の考慮プロセスをシミュレートし、特定の行動の早期予測を実現します。
軌道予測などの他の予測タスクと同様に、データ駆動型の深層学習手法が研究における主要なパイプラインを占めています。
BIP の急速な発展は、必然的に新たな問題や課題をもたらします。
将来の研究を促進するために、この研究では、利用可能なデータセット、主要な要素と課題、歩行者中心および車両中心の BIP アプローチ、BIP 対応アプリケーションから BIP を包括的にレビューします。
調査によると、データ駆動型の深層学習アプローチが主要なパイプラインになっています。
この分野の現在のほとんどのデータセットと手法では、行動意図タイプは依然として単調です (例: 歩行者の場合は横断 (C) と非横断 (NC)、車両の場合は車線変更 (LC))。
さらに、安全クリティカルなシナリオ（例：衝突に近い状況）については、現在の研究は限られています。
この調査を通じて、私たちは行動意図予測における未解決の問題を特定し、将来の研究に役立つ洞察を提案します。

要約(オリジナル)

In the driving scene, the road agents usually conduct frequent interactions and intention understanding of the surroundings. Ego-agent (each road agent itself) predicts what behavior will be engaged by other road users all the time and expects a shared and consistent understanding for safe movement. Behavioral Intention Prediction (BIP) simulates such a human consideration process and fulfills the early prediction of specific behaviors. Similar to other prediction tasks, such as trajectory prediction, data-driven deep learning methods have taken the primary pipeline in research. The rapid development of BIP inevitably leads to new issues and challenges. To catalyze future research, this work provides a comprehensive review of BIP from the available datasets, key factors and challenges, pedestrian-centric and vehicle-centric BIP approaches, and BIP-aware applications. Based on the investigation, data-driven deep learning approaches have become the primary pipelines. The behavioral intention types are still monotonous in most current datasets and methods (e.g., Crossing (C) and Not Crossing (NC) for pedestrians and Lane Changing (LC) for vehicles) in this field. In addition, for the safe-critical scenarios (e.g., near-crashing situations), current research is limited. Through this investigation, we identify open issues in behavioral intention prediction and suggest possible insights for future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google