[论文解读] 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 30

一句话总结

这篇论文在一个统一的基于POSG的框架中，全面地对200个驾驶员行为模型进行了分类并评审，详述核心任务（状态估计、意图估计、性格特征估计、以及运动预测）和辅助任务。

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.

研究动机与目标

• 在多智能体交通中建立一个用于建模驾驶员行为的共同数学框架。
• 使用以核心任务和辅助能力为中心的分类法对现有驾驶模型进行分类。
• 将200个已发表模型映射到该分类法中，以揭示研究者的联系与差距。

提出的方法

• 引入离散时间多智能体部分可观测随机博弈（POSG）框架来描述交互式交通动力学。
• 定义核心建模任务：状态估计、意图估计、性格特征估计，以及运动预测，给出明确的推断目标。
• 提供特定任务的比较表和关键词目录，以将模型在架构、训练、理论、范围和评估轴线上的位置进行比较。
• 区分在线/离线性性格特征估计，以及运动预测（在线、判别式）与交通仿真（离线、生成式）之间的差异。
• 按观察、内部状态、策略和状态转移假设来总结现有模型。

实验结果

研究问题

• RQ1 如何在多智能体交通中将驾驶员行为建模统一到一个基于POSG的共同数学框架？
• RQ2 现有模型在核心任务（状态估计、意图/性格特征估计、运动预测）和辅助任务方面有何不同，它们在结构化分类法中处于何处？
• RQ3 在不同意图空间、假设表示和推理范式之间，驾驶员模型有哪些权衡？
• RQ4 该分类法为在自动驾驶车辆规划与控制中为状态估计、意图估计、性格特征估计和运动预测选择模型提供了哪些指导？

主要发现

• 基于POSG的形式化为描述微观、互动交通动力学提供了统一的数学框架。
• 分类法围绕四个核心任务（状态估计、意图估计、性格特征估计、运动预测）以及辅助任务（风险估计、异常检测、行为模仿、微观仿真）构建。
• 论文对200个驾驶模型进行了目录化和分类，详细描述了它们的架构、训练、理论、范围和评估特征。
• 意图估计模型在其意图空间、假设表示和推理范式上各不相同，包括贝叶斯、原型-动作以及博弈论方法。
• 性格特征估计通常是离线或在线的，并可由确定性参数表示，一些模型使用粒子或连续分布来处理参数不确定性。