論文の概要: Data Driven Aircraft Trajectory Prediction with Deep Imitation Learning

• arxiv url: http://arxiv.org/abs/2005.07960v1
• Date: Sat, 16 May 2020 11:53:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 12:39:32.048113
• Title: Data Driven Aircraft Trajectory Prediction with Deep Imitation Learning
• Title（参考訳）: 深い模倣学習によるデータ駆動航空機軌道予測
• Authors: Alevizos Bastas, Theocharis Kravaris and George A. Vouros
• Abstract要約: 現在の航空交通管理システムは、予測可能性、効率、コスト効率の限界に達している。 本稿では, トラジェクティブクラスタリングと分類手法を備えたパイプラインにおいて, アート手法のジェネレーティブ・アドリバーサ学習状態を含む包括的フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.8508198765617195
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The current Air Traffic Management (ATM) system worldwide has reached its limits in terms of predictability, efficiency and cost effectiveness. Different initiatives worldwide propose trajectory-oriented transformations that require high fidelity aircraft trajectory planning and prediction capabilities, supporting the trajectory life cycle at all stages efficiently. Recently proposed data-driven trajectory prediction approaches provide promising results. In this paper we approach the data-driven trajectory prediction problem as an imitation learning task, where we aim to imitate experts "shaping" the trajectory. Towards this goal we present a comprehensive framework comprising the Generative Adversarial Imitation Learning state of the art method, in a pipeline with trajectory clustering and classification methods. This approach, compared to other approaches, can provide accurate predictions for the whole trajectory (i.e. with a prediction horizon until reaching the destination) both at the pre-tactical (i.e. starting at the departure airport at a specific time instant) and at the tactical (i.e. from any state while flying) stages, compared to state of the art approaches.
• Abstract（参考訳）: 現在の航空交通管理システム(atm)は、予測可能性、効率性、コスト効率の面で限界に達している。 世界中の異なるイニシアティブは、高忠実度航空機の軌道計画と予測能力を必要とする軌道指向変換を提案し、全ての段階での軌道ライフサイクルを効率的に支援している。 最近提案されたデータ駆動軌道予測手法は有望な結果をもたらす。 本稿では,データ駆動軌道予測問題を模倣学習課題としてアプローチし,その軌道を「形成」する専門家を模倣することを目的とする。 この目的に向けて, トラジェクティブクラスタリングと分類手法を備えたパイプラインにおいて, アート手法の生成的逆模倣学習状態を含む包括的なフレームワークを提案する。 このアプローチは、他のアプローチと比較して、前戦術的(すなわち、出発空港の瞬間に出発する)と戦術的(飛行中の任意の状態から)の両方において、最先端のアプローチと比較して、軌道全体(すなわち目的地に到達するまでの予測地平線)の正確な予測を提供することができる。

関連論文リスト

• Pedestrian Trajectory Prediction with Missing Data: Datasets, Imputation, and Benchmarking [7.9449756510822915]
  TrajImputeは、観測された軌道の座標をシミュレートする歩行者軌道予測データセットである。 本研究では,欠落した座標を再構築するためのいくつかの計算手法について検討し,歩行者軌道の計算のためのベンチマークを行う。 本データセットは,今後の歩行者軌跡予測研究の基盤となる資料を提供する。
  論文  参考訳（メタデータ） (2024-10-31T19:42:42Z)
• Data-driven Probabilistic Trajectory Learning with High Temporal Resolution in Terminal Airspace [9.688760969026305]
  混合モデルとSeq2seqに基づくニューラルネットワークの予測および特徴抽出機能を活用するデータ駆動学習フレームワークを提案する。 このフレームワークでトレーニングした後、学習したモデルは長期予測精度を大幅に向上させることができる。 提案手法の精度と有効性は,予測された軌道と基礎的真実とを比較して評価する。
  論文  参考訳（メタデータ） (2024-09-25T21:08:25Z)
• Building Real-time Awareness of Out-of-distribution in Trajectory Prediction for Autonomous Vehicles [8.398221841050349]
  軌道予測は、自動運転車の周囲の障害物の動きを記述する。 本稿では,自律走行車における軌道予測におけるアウト・オブ・ディストリビューションのリアルタイム認識を確立することを目的とする。 提案手法は軽量であり, 軌道予測推定時にいつでもアウト・オブ・ディストリビューションの発生を処理できる。
  論文  参考訳（メタデータ） (2024-09-25T18:43:58Z)
• Progressive Pretext Task Learning for Human Trajectory Prediction [44.07301075351432]
  本稿では,PPT(Progressive Pretext Task Learning)フレームワークについて紹介する。 トランスフォーマーを用いたトラジェクトリ予測器を設計し,高効率な2段階推論を実現する。
  論文  参考訳（メタデータ） (2024-07-16T10:48:18Z)
• Certified Human Trajectory Prediction [66.1736456453465]
  交通予知は自動運転車に不可欠な役割を担っている。 本稿では,軌道予測作業に適した認証手法を提案する。 非有界出力や変異モダリティを含む、軌道予測に関連する固有の課題に対処する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
  軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。 我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。 我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
  論文  参考訳（メタデータ） (2023-09-18T19:49:22Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• 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)
• The Unsupervised Method of Vessel Movement Trajectory Prediction [1.2617078020344619]
  本稿では,船体移動軌跡予測の教師なし手法を提案する。 これは、点間の時間差、試験された点と予測された前方および後方位置の間のスケールした誤差距離、時空間の角度からなる3次元空間におけるデータを表す。 多くの統計的学習法や深層学習法とは異なり、クラスタリングに基づく軌道再構成法は計算コストのかかるモデルトレーニングを必要としない。
  論文  参考訳（メタデータ） (2020-07-27T17:45:21Z)
• Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors [124.30562402952319]
  未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。 視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。 本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-23T17:58:56Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)

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。