[論文レビュー] Beyond Target-Level: ISAC-Enabled Event-Level Sensing for Behavioral Intention Prediction

Haotian Liu, Zhiqing Wei+4 more|arXiv (Cornell University)|Jan 17, 2026

Autonomous Vehicle Technology and Safety被引用数 0

ひとこと要約

要約: 本論文は自動運転におけるイベントレベルの行動意図予測（BIP）のためのISACベースのフレームワークを提案し、AS I-BIPネットワークを導入して非同期・多源データを扱い、悪天候下でセンサー基線よりF1スコアを11.4%向上させることを示す。

ABSTRACT

Integrated Sensing and Communication (ISAC) holds great promise for enabling event-level sensing, such as behavioral intention prediction (BIP) in autonomous driving, particularly under non-line-of-sight (NLoS) or adverse weather conditions where conventional sensors degrade. However, as a key instance of event-level sensing, ISAC-based BIP remains unexplored. To address this gap, we propose an ISAC-enabled BIP framework and validate its feasibility and effectiveness through extensive simulations. Our framework achieves robust performance in safety-critical scenarios, improving the F1-score by 11.4% over sensor-based baselines in adverse weather, thereby demonstrating ISAC's potential for intelligent event-level sensing.

研究の動機と目的

• ISACをターゲットレベル sensing からイベントレベル sensing へ拡張し、 semanticで対話的な行動予測を行う動機づけ。
• 協調 sensing を車載データと結合し、マルチ秒ウィンドウでISACベースのBIPフレームワークを開発。
• データの非同期統合課題をデュアルBi-LSTMとTransformerベースの推論モデルで解決。
• シミュレーションを通じて悪条件下でのISACベースBIPの実用性と頑健性を評価。

提案手法

• ISACエコー信号処理を開発し、 sensingスナップショットごとに6次元TV状態ベクトルを抽出。
• 異なるリフレッシュレートのTVおよびUV物理情報を非同期行列として結合。
• ASI-BIPを提案：高リ率TVデータと低リ率UVデータのデュアル独立Bi-LSTM、車間相互作用のためのTransformerエンコーダ、全体文脈用の分類トークン。
• 難易度の高い意図への注意を高め、クラス不均衡に対応する focal loss で学習。

実験結果

リサーチクエスチョン

• RQ1 ISACベースの協調 sensing は自動運転におけるイベントレベルの行動意図予測を正確に支援できるか。
• RQ2 補間なしで、非同期マルチレート sensing データをBIPへ効果的に統合する方法は。
• RQ3 厳しい条件下でISACベースBIPと車載レーダーベースの基線との性能向上はどれくらいか。
• RQ4 提案モデルは未知の意図および未知のSNR領域へどれだけ一般化できるか。

主な発見

Cases	Average accuracy	Macro F1-score
Case 1	92.33%	0.9249
Case 2	87.08%	0.8642
Case 3	87.50%	0.8761
Case 4	86.42%	0.8660
Case 5	79.17%	0.7758

• ASI-BIPネットワークは、トレーニングと検証の損失収束とともに頑健なBIP性能を達成。
• 検証精度は既知の7行動セットで急速に約90%に達し、行動ごとにF1は変動する（例: ハードブレーキは最低0.7568、追い越しは1.0000で完全）。
• 悪天候下でISACベースBIPはセンサーベース基線よりマクロF1スコアを11.4%改善。
• 未知の意図（追従）への一般化はROC-AUC 0.6994を示し、未知のSNR条件へ部分的な頑健性を示す。特に追い越しは tested SNR全体でF1=1.0。
• 車載レーダーと比較して、LoS条件下で ISACベースBIPは競争力のある性能を示し、悪天候時のサブ6GHz sensing により severe weather radar ケースを上回る。