Verifiable Goal Recognition for Autonomous Driving with Occlusions

要約

目標認識 (GR) には、特定のジャンクションの出口など、他の車両の目標を推測することが含まれており、これにより車両の将来の挙動をより正確に予測できます。
自動運転では、車両はさまざまなシナリオに遭遇する可能性があり、オクルージョンにより環境が部分的に観察できない場合があります。
我々は、オクルージョン下での解釈可能なツリーによるゴール認識（OGRIT）と呼ばれる新しいGR手法を紹介します。
OGRIT は、車両の軌道データから学習したデシジョン ツリーを使用して、生成された一連の目標の確率を推測します。
私たちは、OGRIT がオクルージョンによる欠損データを処理し、同じ学習されたデシジョン ツリーを使用して複数のシナリオにわたって推論できると同時に、計算​​的に高速で正確で、解釈可能で検証可能であることを実証します。
また、OGRIT の評価に使用される遮蔽領域の inDO、roundDO、OpenDDO データセットもリリースします。

要約(オリジナル)

Goal recognition (GR) involves inferring the goals of other vehicles, such as a certain junction exit, which can enable more accurate prediction of their future behaviour. In autonomous driving, vehicles can encounter many different scenarios and the environment may be partially observable due to occlusions. We present a novel GR method named Goal Recognition with Interpretable Trees under Occlusion (OGRIT). OGRIT uses decision trees learned from vehicle trajectory data to infer the probabilities of a set of generated goals. We demonstrate that OGRIT can handle missing data due to occlusions and make inferences across multiple scenarios using the same learned decision trees, while being computationally fast, accurate, interpretable and verifiable. We also release the inDO, rounDO and OpenDDO datasets of occluded regions used to evaluate OGRIT.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google