[論文レビュー] A Taxonomy and Review of Algorithms for Modeling and Predicting Human Driver Behavior

Bhattacharyya, Raunak P., Kyle Brown+3 more|arXiv (Cornell University)|Jun 15, 2020

Autonomous Vehicle Technology and Safety被引用数 30

ひとこと要約

この論文は、統一されたPOSGベースの枠組み内で200の運転者行動モデルの包括的な分類とレビューを提示し、コアタスク（状態推定、意図推定、特性推定、モーション予測）と補助タスクを詳述します。

ABSTRACT

An open problem in autonomous driving research is modeling human driving behavior, which is needed for the planning component of the autonomy stack, safety validation through traffic simulation, and causal inference for generating explanations for autonomous driving. Modeling human driving behavior is challenging because it is stochastic, high-dimensional, and involves interaction between multiple agents. This problem has been studied in various communities with a vast body of literature. Existing reviews have generally focused on one aspect: motion prediction. In this article, we present a unification of the literature that covers intent estimation, trait estimation, and motion prediction. This unification is enabled by modeling multi-agent driving as a partially observable stochastic game, which allows us to cast driver modeling tasks as inference problems. We classify driver models into a taxonomy based on the specific tasks they address and the key attributes of their approach. Finally, we identify open research opportunities in the field of driver modeling.

研究の動機と目的

• 多車両交通における運転行動をモデル化するための共通の数学的枠組みを確立する。
• コアタスクと補助能力を軸とした分類法を用いて既存の運転モデルを分類する。
• 公表された200モデルを分類法にマッピングし、研究者にとってのつながりとギャップを可視化する。

提案手法

• インタラクティブな交通ダイナミクスを記述するための離散時間多エージェント部分観測確率ゲーム（POSG）フレームワークを導入する。
• 状態推定、意図推定、特性推定、モーション予測というコアモデリングタスクを、明示的な推論ターゲットとともに定義する。
• タスク別の比較表とキーワードカタログを提供し、アーキテクチャ、訓練、理論、範囲、評価軸に沿ってモデルを位置づける。
• 特性推定のオンライン/オフラインの区別と、モーション予測（オンライン・識別的）と交通シミュレーション（オフライン・生成的）の区別を行う。
• 観察へのアプローチ、内部状態、ポリシー、状態遷移の仮定によって既存のモデルを要約する。

実験結果

リサーチクエスチョン

• RQ1 多エージェント交通における運転行動モデリングを、共通のPOSGベースの数学的枠組みの下でいかに統一できるか？
• RQ2 既存のモデルは、コアタスク（状態推定、意図/特性推定、モーション予測）と補助タスクの間でどのように異なり、構造化された分類法の中でどこに位置付けられるか？
• RQ3 運転モデル全体で異なる意図空間、仮説表現、推論パラダイムのトレードオフは何か？
• RQ4 自動運転車の計画と制御における状態推定、意図推定、特性推定、モーション予測のモデル選択に対して、分類法はどのような指針を提供するか？

主な発見

• POSGベースの定式化は、顕微的で対話的な交通ダイナミクスを記述する統一的な数学的枠組みを提供する。
• 四つのコアタスク（状態推定、意図推定、特性推定、モーション予測）と補助タスク（リスク推定、異常検知、挙動模倣、顕微的シミュレーション）を軸に分類法を構築する。
• 本論文は200の運転モデルをカタログ化・分類し、それらのアーキテクチャ、訓練、理論、範囲、評価特性を詳述する。
• 意図推定モデルは、意図空間、仮説表現、推論パラダイムが多様であり、ベイズ、プロトタイプ運動、ゲーム理論的アプローチが含まれる。
• 特性推定はしばしばオンラインまたはオフラインで行われ、決定論的パラメータで表現できる場合が多い一方、パラメータ不確実性のために粒子分布や連続分布を用いるモデルもある。