Risk-aware Trajectory Prediction by Incorporating Spatio-temporal Traffic Interaction Analysis

要約

人間が複雑かつ多様な方法で対話するオープンエンドな環境で動作するには、自律ロボットは、特にその行動が他のエージェントやロボットにとって潜在的に危険である場合に、その行動を予測する方法を学習する必要があります。
ただし、事故のリスクを軽減するには、潜在的な衝突がどこでどのように発生するかを事前に知っておく必要があります。
したがって、データセット内の高リスクのインタラクションに一般的に対応する位置と速度を分析することでこの情報を取得し、それをトレーニング内で使用して高リスクの状況でより適切な予測を生成することを提案します。
これらの位置ベースおよび速度ベースの再重み付け技術により、おそらく FDE および KDE によって測定される全体的なパフォーマンスの向上と、高速車両および高リスクの場所内の車両でのパフォーマンスの向上が達成されます。
2023 IEEE ロボティクスとオートメーションに関する国際会議 (ICRA)

要約(オリジナル)

To operate in open-ended environments where humans interact in complex, diverse ways, autonomous robots must learn to predict their behaviour, especially when that behavior is potentially dangerous to other agents or to the robot. However, reducing the risk of accidents requires prior knowledge of where potential collisions may occur and how. Therefore, we propose to gain this information by analyzing locations and speeds that commonly correspond to high-risk interactions within the dataset, and use it within training to generate better predictions in high risk situations. Through these location-based and speed-based re-weighting techniques, we achieve improved overall performance, as measured by most-likely FDE and KDE, as well as improved performance on high-speed vehicles, and vehicles within high-risk locations. 2023 IEEE International Conference on Robotics and Automation (ICRA)

arxiv情報

提供元, 利用サービス

arxiv.jp, Google