Nov, 2022

一种针对风险场景个性化驾驶辅助的开放式基于案例推理框架

PDF
TL;DR该研究探索了基于案例推理（CBR）作为推断范式的合理性，以选择个性化的撞车回避动作和缓冲时间，旨在提供个性化的驾驶辅助，避免交通事故。提出了一个高效的 FFMTE 模型来建模交通事件和构建案例数据库，并提出了一种特定的 CBR 方法来检索、重复使用和修订现有案例以生成辅助信息。在 100 辆汽车自然行驶研究数据集的例子中建立和测试了该框架；实验结果表明，在不同情境下为司机提供有价值的避难信息。
driver reactionevasive maneuverscase-based reasoningpersonalized assistancetraffic accidents
发现论文，激发创造
  • 增强驾驶员行为模型用于高保真模拟研究碰撞检测算法

    本文使用模拟平台进行了复杂的交通仿真实验，针对连通与自动驾驶汽车的驾驶行为进行了建模，并分析了多种人为与机制相关的因素对交通网络的影响。

    Aug, 2022

  • 基于概率的案例推理用于开放世界知识图谱补全

    通过借鉴类似实体在知识库中的推理路径，使用基于案例的推理系统来预测实体的属性，并引入使用路径统计量有效计算模型参数的概率性方法。在开放世界设置中，该方法的性能显著优于其他规则学习方法并与最先进的基于嵌入的方法相当。

    Oct, 2020

  • 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

  • 基于案例推理的辅助领域专家处理黑盒机器学习模型欺诈警报

    本研究提出了一种基于事例推理的方法来评估机器学习模型预测的可信度，并通过可视化的方式呈现之前相似的情况，进一步证明了该方法对于处理欺诈检测中的机器学习警报具有实用性和易用性。

    Jul, 2019

  • 基于案例推理的自然语言查询知识库

    本文提出了一种神经符号 CBE 方法，包括非参数记忆库和参数模型，能够对大型知识库中的问题进行问答，展示了在 ComplexWebQuestions 数据集上超越当前最新技术 11％的性能并显示出只需少量的人工标记示例，就能使用新案例的能力。

    Apr, 2021

  • 使用事故经验和常识推理规划自动驾驶

    本文介绍了一种 Automated Driving Strategical Brain（ADSB）框架，该框架包括经验引用引擎（ERE）、常识引用引擎（CIE）和目标及价值保持器（GVK），用于提高自动驾驶汽车的安全性，处理复杂场景并提供决策上下文。

    Jan, 2023

  • ReasonNet：具有时态和全局推理的端到端驾驶

    本文介绍了一种利用时间和全局信息的端到端驾驶框架 ——ReasonNet，其能够有效预测自动驾驶车辆在城市繁忙交通情景下的行驶逻辑，并排名领先于 CARLA 排行榜。

    May, 2023

  • 从实车行驶数据估计司机人格特质

    使用机器学习和深度学习技术，从路上的驾驶行为数据中估计驾驶员的心理特征，建立具有自适应能力的驾驶辅助系统，研究结果表明，我们的模型能够以高准确度预测心理驾驶风格和负荷敏感度等特征，而不同持续时间的分割对准确性的影响因特征而异。

    Feb, 2023

  • 自主车辆的决策制定：基于交互感知行为预测和社交关注神经网络

    自主车辆在交通中需要与人类驾驶员互动来完成任务，因此装备自主车辆具备人工推理以更好地理解周围交通的意图，从而促进任务完成。本文提出了一种行为模型，将驾驶员的互动意图编码为潜在的社会心理参数，并设计了基于贝叶斯滤波器的递进视界优化控制器以考虑互动驾驶员意图的不确定性，同时采用基于注意机制的神经网络架构来模仿行为模型和在线估计参数先验，并提出决策树搜索算法在线解决决策问题。本文对所提出的行为模型进行了真实世界轨迹预测能力的评估，并在模拟环境和真实世界交通数据集中进行了强制公路合并场景的决策模块的广泛评估，结果表明我们的算法能够在各种交通条件下完成强制合并任务并确保驾驶安全。

    Oct, 2023

  • 基于安全力场的理性自动驾驶策略：在 CARLA 模拟器上实现

    本文研究了如何解决自动驾驶汽车面临的产品责任问题，探讨了符合安全标准的制造方法，并提出了一种基于安全风险的集成驾驶策略，以实现更加安全自然的人车协同行驶。

    Nov, 2022