Pedestrian Crossing Intention Prediction via Semantic Motion Representation and Cognitive Interaction Modeling
यह शोध पत्र PsyMIND का प्रस्ताव करता है, जो पैदल चलने वालों के सड़क पार करने के इरादे के शीघ्र पूर्वानुमान के लिए एक व्याख्या योग्य ढांचा है, जो स्वायत्त ड्राइविंग निर्णयों की सुरक्षा और विश्वसनीयता बढ़ाने के लिए मनोविज्ञान-प्रेरित अर्थपूर्ण गति निरूपण, प्रासंगिक संकेतों और संज्ञानात्मक अंतःक्रिया मॉडलिंग को एकीकृत करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
हर दिन, लाखों लोग फुटपाथ की ओर कदम बढ़ाते हैं, और एक पल के निर्णय को तौलते हैं: क्या सड़क पार करना सुरक्षित है, या उन्हें रुकना चाहिए? एक इंसान के लिए, यह गणना लगभग तुरंत हो जाती है, जिसमें पास से आती कार का दृश्य, ट्रैफिक लाइट का रंग, और धैर्य या तत्परता का आंतरिक बोध आपस में मिल जाता है। भविष्य की सेल्फ-ड्राइविंग कारों के लिए, इस मानवीय निर्णय की नकल करना इंजीनियरिंग की सबसे कठिन चुनौतियों में से एक है। इन वाहनों को न केवल एक पैदल यात्री को देखना होगा, बल्कि उस अदृश्य मानसिक प्रक्रिया को भी समझना होगा जो एक कदम आगे बढ़ाने की ओर ले जाती है। यदि एक कार केवल तब प्रतिक्रिया दे पाती है जब व्यक्ति पहले ही हिल चुका हो, तो टक्कर रोकने के लिए बहुत देर हो सकती है। लक्ष्य यह है कि पैर जमीन छोड़ने से पहले ही पार करने के इरादे को पहचान लिया जाए, जिससे एक प्रतिक्रियाशील मशीन के बजाय यातायात में एक सक्रिय भागीदार बनाया जा सके।
इसे हल करने के लिए, शोधकर्ताओं ने पारंपरिक रूप से कंप्यूटर को लोगों की गति को देखने के लिए प्रशिक्षित किया है। वे एक व्यक्ति द्वारा तय किए गए पथ या उनके जोड़ों के कोणों को ट्रैक करते हैं, ताकि उन पैटर्न को खोजा जा सके जो सड़क पार करने का संकेत देते हैं। हालाँकि, एक नया अध्ययन सुझाव देता है कि शरीर की ज्यामिति (geometry) को देखना पर्याप्त नहीं है। शिजियाझुआंग टीडाओ यूनिवर्सिटी और अन्य के शोधकर्ताओं के नेतृत्व वाली टीम का तर्क है कि एक पैदल यात्री का निर्णय केवल एक शारीरिक गति नहीं बल्कि एक मनोवैज्ञानिक निर्णय है। उनका प्रस्ताव है कि वास्तव में यह समझने के लिए कि कोई व्यक्ति सड़क पार करेगा या नहीं, एक कंप्यूटर को गति की 'गुणवत्ता' और निर्णय के 'संदर्भ' को समझना होगा, ठीक वैसे ही जैसे एक मानव पर्यवेक्षक करता है।
शोधकर्ताओं ने एक प्रणाली विकसित की है जिसे वे PsyMIND कहते हैं, जिसका अर्थ है 'साइकोलॉजी-इन्फॉर्म्ड सिमेंटिक मोशन एंड कॉग्निटिव इंटरैक्शन डिसीजन'। केवल यह मापने के बजाय कि किसी व्यक्ति का पैर कितनी दूर गया या वे कितनी तेजी से चल रहे हैं, यह प्रणाली मानव गति को अनुभव की चार अलग-अलग श्रेणियों में विभाजित करती है: शरीर का आकार, गति के पीछे का प्रयास, व्यक्ति द्वारा घेरा गया स्थान, और शरीर की संरचना। यह दृष्टिकोण 'लाबन मूवमेंट एनालिसिस' नामक एक पद्धति पर आधारित है, जो मूल रूप से मानव नृत्य और अभिव्यक्ति का अध्ययन करने के लिए विकसित किया गया था, जिसे टीम ने यातायात सुरक्षा के लिए अनुकूलित किया है। इस ढांचे को लागू करके, प्रणाली उन सूक्ष्म संकेतों का पता लगा सकती है जो एक मानक कैमरा भी मिस कर सकता है, जैसे कि धड़ का थोड़ा आगे की ओर झुकना जो यह दर्शाता है कि व्यक्ति अपना वजन फुटपाथ से उतरने के लिए स्थानांतरित कर रहा है, या गति में एक हिचकिचाहट जो डर या अनिश्चितता को दर्शाती है।
लेकिन यह प्रणाली केवल शरीर तक ही सीमित नहीं है। यह पैदल यात्री के आसपास की दुनिया को भी देखती है। यह ट्रैफिक सिग्नल, पास की कारों की गति और यहाँ तक कि पैदल यात्री के अपने गुणों, जैसे कि उनकी आयु या लिंग पर भी विचार करती है, जो उनके जोखिम सहने की क्षमता को प्रभावित कर सकते हैं। शोधकर्ताओं ने एक मॉडल बनाया जो हर पैदल यात्री द्वारा किए जाने वाले आंतरिक द्वंद्व का अनुकरण करता है: जल्दी पार करने की इच्छा बनाम सुरक्षित रहने की आवश्यकता। यह प्रणाली स्वयं से प्रश्न पूछती है जैसे, "क्या यह व्यक्ति बहुत लंबे समय तक प्रतीक्षा कर रहा है और अधीर हो रहा है?" या "क्या वे रेड लाइट को इसलिए अनदेखा कर रहे हैं क्योंकि उन्हें यातायात में एक खाली जगह दिख रही है?" शरीर की गति के मनोवैज्ञानिक अर्थ को यातायात के वातावरण के दबाव के साथ जोड़कर, मॉडल पैदल यात्री के इरादे की एक पूर्ण तस्वीर बनाता है।
जब टीम ने वास्तविक दुनिया के ट्रैफिक वीडियो के एक बड़े संग्रह का उपयोग करके इस दृष्टिकोण का परीक्षण किया, तो परिणाम चौंकाने वाले थे। प्रणाली ने 76 प्रतिशत की सटीकता के साथ सही ढंग से भविष्यवाणी की कि क्या कोई पैदल यात्री सड़क पार करेगा। इससे भी महत्वपूर्ण बात यह है कि इसने 93 प्रतिशत की रिकॉल दर हासिल की, जिसका अर्थ है कि इसने उन लगभग सभी लोगों की सफलतापूर्वक पहचान की जो सड़क पार करने वाले थे, भले ही उन्होंने अभी तक कदम न रखा हो। स्वायत्त ड्राइविंग (autonomous driving) की उच्च-जोखिम वाली दुनिया में, किसी संभावित क्रॉसिंग को मिस करना गलत तरीके से यह मान लेने से कहीं अधिक खतरनाक है कि वह हो रही है, इसलिए पहचान की यह उच्च दर एक बड़ी उपलब्धि है। यह प्रणाली वास्तविक गति शुरू होने से डेढ़ सेकंड पहले तक के इरादों की भविष्यवाणी करने में भी प्रभावी सिद्ध हुई, जो एक महत्वपूर्ण समय अंतराल है जो वाहन को सुरक्षित रूप से धीमा होने के लिए पर्याप्त समय देता है।
अध्ययन से यह भी पता चला कि पिछले तरीके, जो सरल ज्यामितीय मापों या केवल व्यक्ति के चलने के पथ पर अत्यधिक निर्भर थे, इन शुरुआती चरणों में कम प्रभावी थे। साधारण मापों से आगे बढ़कर गति के 'अर्थ' और निर्णय के 'तर्क' को समझकर, शोधकर्ताओं ने दिखाया कि मशीनों को मनुष्यों की तरह दुनिया को देखना सिखाया जा सकता है। इसका मतलब यह नहीं है कि कंप्यूटर डर या अधीरता महसूस करता है, लेकिन यह उन भावनाओं के शारीरिक संकेतों को पहचान सकता है। निष्कर्ष बताते हैं कि जटिल शहरों में सुरक्षित रूप से संचालित होने के लिए, सेल्फ-ड्राइविंग कारों को दृश्य गति से परे देखना होगा और उस अदृश्य निर्णय लेने वाली प्रक्रिया को समझना होगा जो इसे संचालित करती है। लोगों के 'क्या करने' को देखने से लेकर उनके 'क्यों करने' को समझने की ओर यह बदलाव, सभी के लिए सुरक्षित सड़कों की ओर एक स्पष्ट और अधिक विश्वसनीय मार्ग प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।