[논문 리뷰] A Game-Theoretic Approach to Multi-Pedestrian Activity Forecasting

Wei-Chiu Ma, De-An Huang외 2명|arXiv (Cornell University)|2016. 04. 05.

Anomaly Detection Techniques and Applications참고 문헌 28인용 수 7

한 줄 요약

이 논문은 게임 이론을 활용한 딥러닝 모델을 제안하며, 게임 이론을 사용해 상호의존적인 의사결정 과정을 모델링하고, 시각적 분류기로 개인의 행동 파라미터를 추정함으로써 다중 보행자 상호작용을 예측한다. 공개 데이터셋에서 최신 기술 대비 예측 정확도를 25% 향상시킨다.

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.

연구 동기 및 목표

• 동적 환경에서 복잡하고 상호의존적인 보행자 상호작용을 모델링하는 데 도전하는 것.
• 나이와 보행 속도와 같은 신체적 특성에 기반한 보행자 행동의 개인차를 고려하는 것.
• 다중 에이전트 보행자 시나리오에서의 전략적 의사결정 과정을 포착하는 예측 모델을 개발하는 것.
• 게임 이론을 딥러닝 기반 시각 분석과 통합하여 예측 정확도를 향상시키는 것.

제안 방법

• 상호의존적인 의사결정 과정을 표현하기 위해 보행자 상호작용을 게임 이론 프레임워크로 모델링하는 것.
• 딥러닝 기반 시각 분류기를 사용해 보행자 외형에서 개인별 행동 파라미터를 추정하는 것.
• 행동 파라미터를 전략적 계획 모델에 통합하여 다중 에이전트 상호작용을 시뮬레이션하는 것.
• 다수의 상호작용 보행자가 포함된 공개 비디오 데이터셋에서 모델을 훈련하고 평가하는 것.
• 예측의 일관성 있는 전략적 행동을 보장하기 위해 상호작용 역학을 나시 균형 문제로 공식화하는 것.
• 시공간적 특징을 비디오 입력에서 활용하여 행동 파라미터 추정과 행동 예측에 정보를 제공하는 것.

실험 결과

연구 질문

• RQ1 게임 이론은 다중 에이전트 시나리오에서 상호의존적인 보행자 의사결정 과정을 효과적으로 모델링하는 데 어떻게 적용될 수 있는가?
• RQ2 보행자 외형 특징은 보행 속도나 반응 시간과 같은 개인의 행동 파라미터를 얼마나 잘 예측할 수 있는가?
• RQ3 게임 이론과 시각 분석을 통합한 전략적 계획 모델은 기존 최신 기술 대비 다중 보행자 활동 예측에서 더 나은 성능을 내는가?
• RQ4 모델은 개인의 신체적 특성에 기인한 보행자 역학의 변동성에 어떻게 대처하는가?

주요 결과

• 제안된 모델은 공개된 다중 보행자 상호작용 데이터셋에서 최신 기술 대비 예측 정확도를 25% 향상시켰다.
• 게임 이론의 통합은 보행자 간 전략적 상호작용을 더 현실적으로 모델링할 수 있도록 했다.
• 시각 분류기는 보행자 외형에서 행동 파라미터를 효과적으로 추정하여 예측의 개인화를 향상시켰다.
• 모델은 붐비고 동적인 환경을 포함한 다양한 보행자 상호작용 시나리오에서 뛰어난 성능을 보였다.
• 나시 균형의 사용은 전략적 상호작용 하에서 일관되고 안정적인 예측을 보장했다.