[論文レビュー] A Game-Theoretic Approach to Multi-Pedestrian Activity Forecasting

Wei-Chiu Ma, De-An Huang+2 more|arXiv (Cornell University)|Apr 5, 2016

Anomaly Detection Techniques and Applications参考文献 28被引用数 7

ひとこと要約

本稿では、ゲーム理論を用いて相互に依存する意思決定をモデル化し、視覚的分類器を用いて個々の行動パラメータを推定することで、複数歩行者の相互作用を予測するゲーム理論的深層学習モデルを提案する。公開データセットにおいて、最先端手法よりも25%高い予測精度を達成する。

ABSTRACT

We develop predictive models of pedestrian dynamics by encoding the coupled nature of multi-pedestrian interaction using game theory, and deep learning-based visual analysis to estimate person-specific behavior parameters. Building predictive models for multi-pedestrian interactions however, is very challenging due to two reasons: (1) the dynamics of interaction are complex interdependent processes, where the predicted behavior of one pedestrian can affect the actions taken by others and (2) dynamics are variable depending on an individuals physical characteristics (e.g., an older person may walk slowly while the younger person may walk faster). To address these challenges, we (1) utilize concepts from game theory to model the interdependent decision making process of multiple pedestrians and (2) use visual classifiers to learn a mapping from pedestrian appearance to behavior parameters. We evaluate our proposed model on several public multiple pedestrian interaction video datasets. Results show that our strategic planning model explains human interactions 25% better when compared to state-of-the-art methods.

研究の動機と目的

• 動的環境における複雑で相互に依存する歩行者相互作用をモデル化する課題に対処すること。
• 年齢や歩行速度などの身体的特徴に基づいて歩行者行動の個人差を反映すること。
• 複数エージェントの歩行者シナリオにおける戦略的意思決定を捉える予測モデルを開発すること。
• ゲーム理論と歩行者外見の深層視覚分析を統合することで、予測精度を向上させること。

提案手法

• 相互に依存する意思決定プロセスを表現するために、ゲーム理論フレームワークを用いて歩行者相互作用をモデル化する。
• 深層学習ベースの視覚的分類器を用いて、歩行者外見から個々の行動パラメータを推定する。
• 行動パラメータを戦略的計画モデルに統合し、複数エージェントの相互作用をシミュレートする。
• 複数の相互作用する歩行者が登場する公開動画データセット上で、モデルを訓練および評価する。
• 一貫した戦略的行動予測を保証するために、相互作用ダイナミクスをナッシュ均衡問題として定式化する。
• スパatiotemporal特徴を動画入力から抽出し、行動パラメータ推定と行動予測の両方に活用する。

実験結果

リサーチクエスチョン

• RQ1 ゲーム理論は、複数エージェントシナリオにおける相互に依存する歩行者意思決定を効果的にモデル化できるか？
• RQ2 視覚的外見特徴は、歩行速度や反応時間などの個々の歩行者行動パラメータをどの程度正確に予測できるか？
• RQ3 ゲーム理論と視覚分析を統合した戦略的計画モデルは、既存の最先端手法を上回る性能を示せるか？
• RQ4 個々の身体的特徴による歩行者ダイナミクスのばらつきは、モデルがどのように処理できるか？

主な発見

• 提案手法は、公開の複数歩行者相互作用データセットにおいて、最先端手法比25%高い予測精度を達成した。
• ゲーム理論の統合により、歩行者間の戦略的相互作用がより現実的にモデル化された。
• 視覚的分類器は、歩行者外見から行動パラメータを効果的に推定でき、予測のパーソナライズ化が向上した。
• 混雑で動的な環境を含む多様な歩行者相互作用シナリオにおいて、モデルは頑健な性能を示した。
• ナッシュ均衡の使用により、戦略的相互作用下でも一貫性があり安定した予測が保証された。