Interpretable Goal-Based model for Vehicle Trajectory Prediction in Interactive Scenarios

要約

都市環境における車両の軌道を予測しながら、車両とその周囲の社会的相互作用の動作を理解する能力は、自動運転における交通安全にとって重要です。
社会的相互作用は不確実であるため、説明するのが困難です。
近年、ニューラル ネットワーク ベースの方法が軌道予測に広く使用されており、手作りの方法よりも優れていることが示されています。
ただし、これらの方法には解釈可能性が欠けているという問題があります。
この制限を克服するために、対話型環境での車両軌道予測タスクのために、離散選択モデルの解釈可能性とニューラル ネットワーク ベースのモデルの高精度を組み合わせます。
INTERACTION データセットを使用してモデルを実装および評価し、精度を損なうことなく予測を説明するための提案されたアーキテクチャの有効性を実証します。

要約(オリジナル)

The abilities to understand the social interaction behaviors between a vehicle and its surroundings while predicting its trajectory in an urban environment are critical for road safety in autonomous driving. Social interactions are hard to explain because of their uncertainty. In recent years, neural network-based methods have been widely used for trajectory prediction and have been shown to outperform hand-crafted methods. However, these methods suffer from their lack of interpretability. In order to overcome this limitation, we combine the interpretability of a discrete choice model with the high accuracy of a neural network-based model for the task of vehicle trajectory prediction in an interactive environment. We implement and evaluate our model using the INTERACTION dataset and demonstrate the effectiveness of our proposed architecture to explain its predictions without compromising the accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google