物理学に基づいたAIによる車線変更意図予測

この論文は、自動運転における重要な課題である車線変更意図の正確な予測に取り組んでいます。提案されたTPI-AIフレームワークは、深層学習と物理学に基づいた特徴を組み合わせることで、特にクラスの不均衡があるシナリオや、さまざまな高速道路環境において予測精度を向上させます。学習された時間的表現と物理学に基づいた特徴の両方を取り入れたハイブリッドアプローチの使用が、重要な貢献です。2つの大規模データセットでの評価と、実用的な予測期間（1〜3秒）への焦点も、論文の関連性を高めています。

• •車線変更意図予測のためのハイブリッドフレームワーク、TPI-AIを提案。
• •深層時間的表現（Bi-LSTM）と物理学に基づいた特徴を組み合わせる。
• •クラスの不均衡と高速道路シナリオ間の一般化に対処。
• •2つの大規模データセット（highDとexiD）で高いマクロF1スコアを達成。
• •ベースラインモデルと比較して改善されたパフォーマンスを実証。