Pedestrian Crossing Intention Prediction via Semantic Motion Representation and Cognitive Interaction Modeling
本文提出了 PsyMIND，这是一个用于行人过街意图早期预测的可解释框架，该框架通过整合心理学启发的语义运动表示、上下文线索以及认知交互建模，以增强自动驾驶决策的安全性和可靠性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
每天，都有数百万人走向路缘，权衡着一个瞬间的决定：是安全过马路，还是应该等待？对于人类而言，这种计算几乎是瞬间完成的，它融合了对驶近车辆的观察、对交通灯颜色的判断，以及内在的耐心或紧迫感。对于未来的自动驾驶汽车来说，复制这种人类的判断力是工程领域中最困难的挑战之一。这些车辆不仅必须看到行人，还必须理解导致其迈步前行的那套无形的心理过程。如果汽车只能在人已经移动之后才做出反应，那么可能为时已晚，无法避免碰撞。目标是在脚离开地面之前就预测出过马路的意图，将反应式的机器转变为交通中的主动伙伴。
为了解决这个问题，研究人员传统上教计算机去观察人的运动方式。他们追踪一个人行走的路径或关节的角度，寻找预示过马路的模式。然而，一项新的研究表明，仅仅观察身体的几何结构是不够的。由石家庄铁道大学等机构的研究人员领导的这项工作提出，行人的决策不仅是一个物理动作，更是一个心理过程。他们认为，要真正理解一个人是否会过马路，计算机必须理解其运动的“质感”和决策的“语境”，就像人类观察者那样。
研究人员开发了一个名为 PsyMIND 的系统，其全称为“心理启发式语义运动与认知交互决策”（Psychology-informed Semantic Motion and Cognitive Interaction Decision）。该系统不再仅仅测量一条腿移动了多远或走路有多快，而是将人类运动分解为四种不同的体验类别：身体的形状、运动背后的力度、所占据的空间以及身体的构型。这种方法基于一种被称为拉班动作分析（Laban Movement Analysis）的方法，该框架最初用于研究人类的舞蹈与表达，研究团队将其改编并应用于交通安全领域。通过应用这一框架，该系统可以检测到标准摄像头可能忽略的细微线索，例如躯干轻微前倾暗示着人正在转移重心以准备踏下路缘，或是动作中的犹豫暗示着恐惧或不确定。
但该系统并不止步于身体本身。它还会观察行人周围的世界。它会考虑交通信号、附近车辆的速度，甚至是个人的属性（如年龄或性别），这些因素可能会影响其风险承受能力。研究人员构建了一个模型，用以模拟每位行人都在进行的内在权衡：快速过马路的欲望与保持安全的需要。系统会自问：“这个人是不是等得太久而变得不耐烦了？”或者“他们是否因为看到了车流中的间隙而无视了红灯？”通过将身体运动的心理意义与交通环境的压力相结合，该模型构建出了行人意图的完整图景。
当团队利用大量真实的交通视频测试这种方法时，结果令人瞩目。该系统正确预测行人是否会过马路的准确率达到了 76%。更重要的是，它实现了 93% 的召回率，这意味着即使在人们尚未迈出脚步时，它也能成功识别出几乎所有即将过马路的人。在自动驾驶的高风险领域，错过潜在的过马路行为比错误地假设正在过马路要危险得多，因此这种高检测率是一项重大成就。该系统还证明了其能够在实际动作开始前 1.5 秒预测意图，这一关键窗口期为车辆提供了足够的安全减速时间。
研究还表明，以往依赖简单几何测量或仅追踪行人路径的方法，在这些早期阶段的效果较差。通过从简单的测量转向理解运动的“意义”和决策的“逻辑”，研究人员展示了机器也可以被教导像人类一样观察世界。这并不意味着计算机拥有恐惧或不耐烦的情感，但它可以识别出这些情绪的物理迹象。研究结果表明，为了让自动驾驶汽车在复杂的城市中安全运行，它们必须看透可见的运动，理解驱动运动的无形决策过程。这种从“观察人们做什么”到“理解人们为何这样做”的转变，为实现更安全的道路提供了更清晰、更可靠的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。