基于物理学启发的AI的车道变换意图预测

本文解决了自动驾驶中的一个关键挑战：准确预测车道变换意图。 提出的TPI-AI框架结合了深度学习和基于物理的特征，以提高预测准确性，特别是在存在类别不平衡的场景以及不同的高速公路环境中。 结合学习到的时间表示和基于物理的特征的混合方法是关键贡献。 在两个大规模数据集上的评估以及对实际预测范围（1-3秒）的关注进一步增强了论文的相关性。

• •提出了用于车道变换意图预测的混合框架 TPI-AI。
• •结合了深度时间表示（Bi-LSTM）和基于物理的特征。
• •解决了高速公路场景中的类别不平衡和泛化问题。
• •在两个大规模数据集（highD 和 exiD）上实现了高宏观 F1 分数。
• •证明了与基线模型相比，性能有所提高。