Apr, 2022

干预性行为预测：避免交互预测中过于自信的预测

PDF
TL;DR该研究介绍了一种名为条件性行为预测的方法，该方法可以更有效地进行交互式场景中的规划。他们还开发了一种名为干预性行为预测的新方法，以更好地评估关于自主代理人对目标代理人行为影响的不确定性，并提出了一种基于 Shapley 值的指标来验证模型是否满足干预概率分布固有的时间独立性。
conditional behavior predictioninteractive scenariosinterventional behavior predictionshapley-value-based metrictemporal independence
发现论文，激发创造
  • 通过条件行为预测来识别司机交互

    研究了自主驾驶车辆在交互场景下，如车道变换、合并和无保护的拐弯等车辆行驶行为预测问题，提出了一种基于轨迹建模和条件行为预测的交互得分方案，用于训练和评估行为预测模型的有效性评估。

    Apr, 2021

  • 自动驾驶的基于路径的轨迹预测

    通过提出基于路径的预测（PBP）方法，可以改进基于目标的预测模型，在标准轨迹预测指标方面取得竞争性表现，并在地图合规性方面明显优于现有方法。

    Sep, 2023

  • 驾驶场景中的行为意向预测：一项综述

    Behavioral Intention Prediction 技术在预测未来行为方面具有重要应用价值，本文探讨了 BIP-conditioned prediction 任务中各个方面的差异，并提出了未来研究方向。

    Nov, 2022

  • 城市环境中基于交互感知的行为概率预测

    本研究提出了基于动态贝叶斯网络的概率性交通预测模型，结合马尔科夫模型和上下文感知的车辆运动模型，可以更精准地预测未来的交通路径和解决交互问题。相较于基于物理学和地图的方法，该模型表现更加优越。

    Apr, 2018

  • PiP：面向自动驾驶的规划感知轨迹预测

    为了实现自动驾驶规划的社交合规和灵活性，我们提出了以规划为基础的轨迹预测（PiP）方法，通过利用自车的规划信息来指导预测过程，实现了在高速公路数据集上多智能体预测的最佳表现。此外，我们的方法通过将 PiP 与自车多个候选轨迹相结合，实现了预测和规划的新型流程，对于交互式场景中的自动驾驶非常有益。

    Mar, 2020

  • 利用行为特征进行车载行人轨迹预测

    本文提出了一种行人轨迹预测的新方法，称为 BA-PTP，利用行人的行为特征，通过摄像头上获取的视觉观察进行预测。通过融合不同的输入流和注意机制，产生最终的嵌入表达，用于预测图像中的未来边界框。在两个行人行为预测数据集的实验中，论文展示了利用行为特征进行行人轨迹预测的好处，并通过消融实验研究了不同行为特征对预测性能的影响。

    Oct, 2022

  • 具有向量化表示的交互车辆条件目标导向轨迹预测

    本文提出了一种新的 CGTP 框架来进行交互行为预测，在 Argoverse 和 Waymo 数据集上进行实验并与其他传统方法进行比较，结果表明我们的模型具有更好的预测能力。

    Oct, 2022

  • 主动不变因果预测：通过稳定性选择实验

    本文提出了一种基于不变因果预测的主动学习框架（A-ICP），旨在帮助有效地选择实验以提高因果模型的可识别性，该框架依靠结构因果模型中干预对稳定集合发挥作用，并通过数个干预选择策略得以实现，实证分析证明所提出的策略在不同实验环境下均有良好表现。

    Jun, 2020

  • 自主车辆的交互式运动规划与联合优化

    MPC 与学习预测模型相结合的交互联合规划（IJP）在计算上可扩展的方式上提供了最佳结果。

    Oct, 2023

  • 交互意图预测的双向渐进变形器

    通过引入一种新型的双向递进式 Transformer 模型 (BOT)，该论文利用手部轨迹和交互热点之间的深层内在连接，通过空间 - 时间重构模块最大程度地利用来自前一观察帧的空间信息，通过双向递进式增强模块相互改进手部轨迹和交互热点的预测，以降低错误积累，并通过引入轨迹随机单元和 C-VAE 分别为轨迹和交互热点引入适当的不确定性。该方法在 Epic-Kitchens-100、EGO4D 和 EGTEA Gaze + 三个基准数据集上取得了最先进的结果，展现在复杂场景中的卓越表现。

    May, 2024