行人原型擴充 :: 自動駕駛行人安全測試的邊緣案例補強
為何重要
隨著自動駕駛系統對感知容錯要求的提高，細緻的行人行為資料集是關鍵的防守基礎。這項研究補足了開發者在面對潛在的非典型道路使用風險時的訓練盲點，有助於開發者審視模擬測試中的漏洞，從技術端提升系統 safety border 的準確度。
研究團隊在本篇文章中擴充了先前定義的「Pedestrian Archetypes」（行人原型）分類法，透過標註 YouTube 行車記錄器影片，新增了 7 種原本無法被原有 12 種分類涵蓋的行人行為模式。這項工作將行人行為描述從單一標籤推進至更精確的漸進式行為語意，並提供了視覺證據與行為定義。
- 之前的論文定義了 12 種原型，例如 Wanderer（迷途者）、Drunk（醉酒者）、Jaywalker（違規過馬路者）等，旨在更真實地反映真實交通場景中危險的漸進式行為。
- 開發者透過分析 YouTube 影片發現了 7 個「新原型」，這些模式具有顯著的行為差異，是原有 12 種分類無法解釋的。
- 論文詳細定義了這 7 個新原型的必要與可選行為特徵，並引用影片畫面證據來佐證行為特徵。