論文の概要: TPPO: A Novel Trajectory Predictor with Pseudo Oracle

• arxiv url: http://arxiv.org/abs/2002.01852v3
• Date: Wed, 29 Dec 2021 06:28:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 03:28:06.814931
• Title: TPPO: A Novel Trajectory Predictor with Pseudo Oracle
• Title（参考訳）: TPPO: Pseudo Oracleを使った新しい軌道予測器
• Authors: Biao Yang, Caizhen He, Pin Wang, Ching-yao Chan, Xiaofeng Liu, and Yang Chen
• Abstract要約: Trajectory Predictor with Pseudo Oracle (TPPO) は、生成モデルに基づく軌道予測器である。 この相関は、歩行者の将来の軌跡が前方の歩行者に影響されることがしばしばあるという事実に着想を得たものである。 TPPOは、平均値と最終変位誤差が低い最先端の手法より優れている。
• 参考スコア（独自算出の注目度）: 16.0481815047447
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Forecasting pedestrian trajectories in dynamic scenes remains a critical problem in various applications, such as autonomous driving and socially aware robots. Such forecasting is challenging due to human-human and human-object interactions and future uncertainties caused by human randomness. Generative model-based methods handle future uncertainties by sampling a latent variable. However, few studies explored the generation of the latent variable. In this work, we propose the Trajectory Predictor with Pseudo Oracle (TPPO), which is a generative model-based trajectory predictor. The first pseudo oracle is pedestrians' moving directions, and the second one is the latent variable estimated from ground truth trajectories. A social attention module is used to aggregate neighbors' interactions based on the correlation between pedestrians' moving directions and future trajectories. This correlation is inspired by the fact that pedestrians' future trajectories are often influenced by pedestrians in front. A latent variable predictor is proposed to estimate latent variable distributions from observed and ground-truth trajectories. Moreover, the gap between these two distributions is minimized during training. Therefore, the latent variable predictor can estimate the latent variable from observed trajectories to approximate that estimated from ground-truth trajectories. We compare the performance of TPPO with related methods on several public datasets. Results demonstrate that TPPO outperforms state-of-the-art methods with low average and final displacement errors. The ablation study shows that the prediction performance will not dramatically decrease as sampling times decline during tests.
• Abstract（参考訳）: ダイナミックシーンにおける歩行者軌跡の予測は、自律運転や社会的に認識されるロボットなど、様々な応用において重要な問題である。 このような予測は、人間と人間と対象の相互作用と、人間のランダム性によって引き起こされる将来の不確実性のために難しい。 生成モデルに基づく手法は、潜在変数をサンプリングすることで将来の不確実性を扱う。 しかし、潜伏変数の生成を研究する研究はほとんどない。 本研究では,生成モデルに基づく軌道予測器であるpseudo oracle (tppo) を用いた軌道予測器を提案する。 第1の擬似オラクルは歩行者の移動方向であり、第2のものは地上の真実軌道から推定される潜在変数である。 ソーシャルアテンションモジュールは、歩行者の移動方向と将来の軌道との相関に基づいて、近隣住民のインタラクションを集約するために使用される。 この相関は、歩行者の将来の軌道がしばしば前方の歩行者の影響を受けているという事実に触発されている。 観測および地絡軌道から潜時変分布を推定するために潜時変予測器を提案する。 さらに、これらの2つの分布間のギャップはトレーニング中に最小化される。 したがって、潜在変数予測器は、観測された軌跡から潜在変数を推定し、地対地軌跡から推定したものを近似することができる。 いくつかの公開データセット上で,TPPOの性能と関連する手法を比較した。 その結果,TPPOは平均および最終変位誤差の低い最先端手法よりも優れていた。 アブレーション実験の結果, サンプリング時間の減少に伴い, 予測性能は劇的に低下しないことがわかった。

関連論文リスト

• Leveraging Future Relationship Reasoning for Vehicle Trajectory Prediction [27.614778027454417]
  本稿では,車線情報を用いてエージェント間の将来の関係を予測する手法を提案する。 エージェントの粗い将来の動きを得るため,まず車線レベルのウェイポイント占有確率を予測した。 次に,各エージェントペアに対して隣接車線を通過させる時間的確率を利用して,隣接車線を通過するエージェントが高度に相互作用すると仮定する。
  論文  参考訳（メタデータ） (2023-05-24T04:33:28Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction [52.442129609979794]
  軌道予測のための最近の深層学習手法は有望な性能を示す。 そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。 本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T14:24:15Z)
• Human Trajectory Prediction via Counterfactual Analysis [87.67252000158601]
  複雑な動的環境における人間の軌道予測は、自律走行車やインテリジェントロボットにおいて重要な役割を果たす。 既存のほとんどの手法は、歴史の軌跡や環境からの相互作用の手がかりから行動の手がかりによって将来の軌跡を予測することを学習している。 本研究では,予測軌跡と入力手がかりの因果関係を調べるために,人間の軌跡予測に対する反実解析手法を提案する。
  論文  参考訳（メタデータ） (2021-07-29T17:41:34Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• From Goals, Waypoints & Paths To Long Term Human Trajectory Forecasting [54.273455592965355]
  将来の軌道の不確実性は、(a)エージェントに知られているが、モデルに未知な情報源、例えば長期目標や(b)エージェントとモデルの両方に未知な情報源、例えば他のエージェントの意図や既約乱数不確定性などである。 我々は,長期目標における多モータリティと,経路ポイントや経路における多モータリティによるアレタリック不確実性を通じて,てんかん不確かさをモデル化する。 また,この二分法を実証するために,従来の作業よりも1分間,桁長の予測地平線を有する,新しい長期軌跡予測設定を提案する。
  論文  参考訳（メタデータ） (2020-12-02T21:01:29Z)
• A Novel Graph based Trajectory Predictor with Pseudo Oracle [15.108410951760131]
  GTPPOは、歩行者の将来の行動に配慮したエンコーダデコーダに基づく手法である。 ETH、UCY、Stanford Droneのデータセットで評価されている。
  論文  参考訳（メタデータ） (2020-02-02T13:40:47Z)

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。