論文の概要: Trajectron++: Dynamically-Feasible Trajectory Forecasting With
Heterogeneous Data
- arxiv url: http://arxiv.org/abs/2001.03093v5
- Date: Wed, 13 Jan 2021 18:53:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 05:43:33.899054
- Title: Trajectron++: Dynamically-Feasible Trajectory Forecasting With
Heterogeneous Data
- Title(参考訳): Trajectron++: 異種データによる動的に実現可能なトラジェクトリ予測
- Authors: Tim Salzmann, Boris Ivanovic, Punarjay Chakravarty, Marco Pavone
- Abstract要約: 人間の動きに関する推論は、安全で社会的に認識されたロボットナビゲーションにとって重要な前提条件である。
我々は,多種多様なエージェントの軌道を予測できるモジュール型グラフ構造化リカレントモデルであるTrajectron++を提案する。
実世界の軌道予測データセットにおいて,その性能を実証する。
- 参考スコア(独自算出の注目度): 37.176411554794214
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reasoning about human motion is an important prerequisite to safe and
socially-aware robotic navigation. As a result, multi-agent behavior prediction
has become a core component of modern human-robot interactive systems, such as
self-driving cars. While there exist many methods for trajectory forecasting,
most do not enforce dynamic constraints and do not account for environmental
information (e.g., maps). Towards this end, we present Trajectron++, a modular,
graph-structured recurrent model that forecasts the trajectories of a general
number of diverse agents while incorporating agent dynamics and heterogeneous
data (e.g., semantic maps). Trajectron++ is designed to be tightly integrated
with robotic planning and control frameworks; for example, it can produce
predictions that are optionally conditioned on ego-agent motion plans. We
demonstrate its performance on several challenging real-world trajectory
forecasting datasets, outperforming a wide array of state-of-the-art
deterministic and generative methods.
- Abstract(参考訳): 人間の動きに関する推論は、安全で社会的に認識されたロボットナビゲーションにとって重要な前提条件である。
その結果、マルチエージェント行動予測は、自動運転車のような現代の人間ロボットインタラクティブシステムの中核となる。
軌道予測には多くの方法が存在するが、その多くは動的制約を強制せず、環境情報(例えば地図)を説明できない。
この目的に向けて,多種多様なエージェントのトラジェクタを予測し,エージェントのダイナミクスと異種データ(意味マップなど)を組み込む,モジュラーなグラフ構造リカレントモデルtrajectron++を提案する。
Trajectron++は、ロボット計画とコントロールフレームワークと密に統合されるように設計されている。
実世界の軌道予測データセットにおいて,その性能を実証し,最先端の決定論的および生成的手法よりも優れた性能を示す。
関連論文リスト
- Multi-Transmotion: Pre-trained Model for Human Motion Prediction [68.87010221355223]
マルチトランスモーション(Multi-Transmotion)は、モダリティ事前トレーニング用に設計された革新的なトランスフォーマーベースのモデルである。
提案手法は,下流タスクにおける各種データセット間の競合性能を示す。
論文 参考訳(メタデータ) (2024-11-04T23:15:21Z) - Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。
車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。
我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
論文 参考訳(メタデータ) (2023-12-07T18:53:27Z) - JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳(メタデータ) (2023-11-05T18:59:31Z) - TrafficBots: Towards World Models for Autonomous Driving Simulation and
Motion Prediction [149.5716746789134]
我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。
動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。
オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
論文 参考訳(メタデータ) (2023-03-07T18:28:41Z) - Class-Aware Attention for Multimodal Trajectory Prediction [0.7130302992490973]
自律運転における多モーダル軌道予測のための新しい枠組みを提案する。
我々のモデルはリアルタイムに動作することができ、300FPSを超える高い推論速度を達成することができる。
論文 参考訳(メタデータ) (2022-08-31T18:43:23Z) - Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。
我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。
ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
論文 参考訳(メタデータ) (2022-06-29T07:49:48Z) - Spatio-Temporal Graph Dual-Attention Network for Multi-Agent Prediction
and Tracking [23.608125748229174]
異種エージェントを含む多エージェント軌道予測のための汎用生成ニューラルシステムを提案する。
提案システムは, 軌道予測のための3つのベンチマークデータセット上で評価される。
論文 参考訳(メタデータ) (2021-02-18T02:25:35Z) - MATS: An Interpretable Trajectory Forecasting Representation for
Planning and Control [46.86174832000696]
人間の動きに関する推論は、現代の人間ロボットの対話システムの中核的な構成要素である。
自律システムにおける行動予測の主な用途の1つは、ロボットの動作計画と制御を知らせることである。
本稿では,下流の計画や制御に適するトラジェクトリ予測のための新しい出力表現を提案する。
論文 参考訳(メタデータ) (2020-09-16T07:32:37Z) - Robust Trajectory Forecasting for Multiple Intelligent Agents in Dynamic
Scene [11.91073327154494]
動的シーンにおける複数エージェントのロバストな軌道予測手法を提案する。
提案手法は予測精度の点で最先端の予測手法より優れている。
論文 参考訳(メタデータ) (2020-05-27T02:32:55Z) - Social-WaGDAT: Interaction-aware Trajectory Prediction via Wasserstein
Graph Double-Attention Network [29.289670231364788]
本稿では,マルチエージェント軌道予測のためのジェネリック生成ニューラルシステムを提案する。
また、車両軌道予測に効率的なキネマティック拘束層を応用した。
提案システムは,軌道予測のための3つの公開ベンチマークデータセットを用いて評価する。
論文 参考訳(メタデータ) (2020-02-14T20:11:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。