[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

CaSTFormer: Causal Spatio-Temporal Transformer for Driving Intention Prediction

Created by
  • Haebom

作者

Sirui Wang, Zhou Guan, Bingxi Zhao, Tongjia Gu

概要

CaSTFormerは、人間と機械の連携走行システムの安全性と相互作用効率を向上させるための運転意図予測モデルです。既存モデルの複雑な時空間相互依存性と予測不可能な人間の運転行動の変動性を正確にモデル化するための限界を克服するために提案された。 CaSTFormerは、ドライバー行動と環境コンテキストの間の因果関係を明示的にモデル化するために、相互反転伝達融合(RSF)メカニズム、因果パターン抽出(CPE)モジュール、特徴合成ネットワーク(FSN)を導入し、正確な時間整列、誤った相関関係の除去、および時空間推論のための一貫した表現合成を実行します。 Brain4Carsデータセットで最先端の性能を達成し、複雑な因果時空間依存性を効果的に捉え、運転意図予測の精度と透明性を向上させます。

Takeaways、Limitations

Takeaways:
人間の運転行動の複雑な時空間相互依存性とボラティリティを効果的にモデル化する新しいアプローチの提示
RSF, CPE, FSNモジュールによる運転意図予測の精度と透明性の向上
Brain4Carsデータセットで最先端のパフォーマンスを達成。
人間機械連携運転システムの安全性と効率性の向上に貢献
Limitations:
Brain4Carsデータセットのパフォーマンス評価のみが提示され、他のデータセットの一般化パフォーマンスは不確実です。
提案モデルの計算コストと複雑さの分析不足
実際の走行環境での実験結果の欠如
モデルの解釈力に関するさらなる研究の必要性
👍