Decision-Level Error Attribution and Depth-Aware Safety Evaluation of Monocular RGB Human Tracking for Autonomous Robot Navigation
作者: Abdulahi Taiwo, Chijioke Cyriacus Ekechi
分类: cs.RO, cs.CV
发布日期: 2026-10-29
备注: 10 pages, 7 figures, 6 tables
💡 一句话要点
提出决策级错误归因方法以提升单目RGB人类跟踪安全性
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 单目RGB跟踪 决策错误归因 安全评估 机器人导航 人机交互 感知错误 Shapley值 实验评估
📋 核心要点
- 现有的单目RGB跟踪方法在处理人类交互时，感知错误导致的决策失误未被充分考虑，影响安全性。
- 本文提出了一种两因素Shapley归因方法，能够有效区分安全规则与感知错误对决策的影响，提升决策的准确性。
- 实验结果表明，使用地面平面定位的方法在多个场景中显著提高了漏检率的表现，并减少了不必要的停止行为。
📝 摘要（中文）
单目RGB跟踪在机器人与人类近距离交互中具有重要应用，但感知错误会影响二元停止/继续决策，现有几何精度指标无法全面捕捉这些影响。本文探讨了安全规则与感知之间的决策错误来源，证明了横向距离是平面距离的下界。我们引入了一个两因素Shapley归因方法，区分规则与感知的贡献，并进一步区分漏检与定位错误。实验使用ETH和UCY行人视频，结果显示在898名行人中，横向规则未漏检任何危险，但停止精度仅为5.6-31.9%。通过地面平面定位，检测回忆率为0.43和0.26，漏检成为主要危险来源。使用两标准差安全边际的地面平面定位在所有场景中均匹配或改善了横向规则的漏检率，并在七个场景中减少了不必要的停止。
🔬 方法详解
问题定义：本文旨在解决单目RGB人类跟踪中由于感知错误导致的决策失误问题。现有方法主要依赖几何精度指标，未能全面反映安全决策的实际情况。
核心思路：论文提出了一种新的归因方法，通过Shapley值分解决策错误的来源，明确区分安全规则与感知错误的贡献，从而提高决策的安全性和准确性。
技术框架：整体框架包括数据采集、感知模块、决策模块和评估模块。数据采集使用ETH和UCY行人视频，感知模块负责行人检测，决策模块基于归因结果进行安全判断，评估模块则对决策效果进行分析。
关键创新：最重要的创新在于引入了两因素Shapley归因方法，能够有效区分漏检与定位错误的影响，提供更为细致的决策分析，与传统方法相比，能够更准确地反映安全风险。
关键设计：在实验中，采用了时间块自助法进行评估，设置了两标准差的安全边际，并使用了地面平面定位技术，确保了实验结果的可靠性和有效性。
📊 实验亮点
实验结果显示，使用地面平面定位的两标准差安全边际在所有场景中均未漏检危险，并且在七个场景中减少了不必要的停止行为。相比于传统的横向规则，检测回忆率分别为0.43和0.26，显著提升了决策的安全性和准确性。
🎯 应用场景
该研究的潜在应用领域包括自主机器人导航、智能交通系统和人机交互等。通过提升决策的安全性和准确性，能够有效减少机器人在复杂环境中的碰撞风险，促进智能机器人在公共场所的安全应用，具有重要的实际价值和未来影响。
📄 摘要（原文）
Monocular RGB tracking is useful for robots operating near people, but perception errors affect binary stop/proceed decisions in ways that geometric accuracy metrics do not capture. We examine how much decision error arises from the safety rule versus perception. We prove that lateral-only distance is a lower bound on planar distance: with accurate positions, it cannot miss dangers identified by the planar rule, but it produces unnecessary stops. We introduce a two-factor Shapley attribution separating rule and perception contributions, and further distinguish missed detections from localization errors. Experiments use ETH and UCY pedestrian videos with simulated stationary robots, disjoint calibration and evaluation pedestrians, and time-block bootstrap intervals. Across 898 pedestrians in three scenes, the lateral rule missed no dangers on annotated positions but achieved only 5.6-31.9% stop precision. In two scenes with RGB perception, calibrated ground-plane localization achieved 0.59 m and 0.51 m planar RMSE, compared with 1.72 m and 1.39 m for a geometric baseline and 0.81 m and 0.68 m for calibrated Depth Anything V2. Detection recall of 0.43 and 0.26 made missed detections the leading source of missed danger. A two-standard-deviation safety margin with ground-plane localization matched or improved on the lateral rule's missed-danger rate in all eight scene-threshold settings and reduced unnecessary stops in seven. All robot interactions are simulated, and outcomes are offline decision classifications, not demonstrations of collision avoidance.