論文の概要: On the Generalizability of Motion Models for Road Users in Heterogeneous Shared Traffic Spaces

• arxiv url: http://arxiv.org/abs/2101.06974v1
• Date: Mon, 18 Jan 2021 10:28:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-27 05:52:49.063951
• Title: On the Generalizability of Motion Models for Road Users in Heterogeneous Shared Traffic Spaces
• Title（参考訳）: 不均一共有交通空間における道路利用者の運動モデルの一般化可能性について
• Authors: Fatema T. Johora, Dongfang Yang, J\"org P. M\"uller, and \"Umit \"Ozg\"uner
• Abstract要約: 本稿では,運動モデルの一般化,すなわち異なる環境環境下での現実的な行動を生み出す能力について述べる。 ゲーム理論社会力モデル(GSFM)は、さまざまな共有空間から歩行者や車両の多種多様の運動行動を生成するための汎用モデルへと拡張します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modeling mixed-traffic motion and interactions is crucial to assess safety, efficiency, and feasibility of future urban areas. The lack of traffic regulations, diverse transport modes, and the dynamic nature of mixed-traffic zones like shared spaces make realistic modeling of such environments challenging. This paper focuses on the generalizability of the motion model, i.e., its ability to generate realistic behavior in different environmental settings, an aspect which is lacking in existing works. Specifically, our first contribution is a novel and systematic process of formulating general motion models and application of this process is to extend our Game-Theoretic Social Force Model (GSFM) towards a general model for generating a large variety of motion behaviors of pedestrians and cars from different shared spaces. Our second contribution is to consider different motion patterns of pedestrians by calibrating motion-related features of individual pedestrian and clustering them into groups. We analyze two clustering approaches. The calibration and evaluation of our model are performed on three different shared space data sets. The results indicate that our model can realistically simulate a wide range of motion behaviors and interaction scenarios, and that adding different motion patterns of pedestrians into our model improves its performance.
• Abstract（参考訳）: 混合交通運動と相互作用のモデル化は,将来の都市部の安全性,効率,実現可能性を評価する上で重要である。 交通規制の欠如、多様な輸送モード、共有空間のような混合交通ゾーンの動的な性質は、そのような環境の現実的なモデリングを困難にしている。 本稿では, 動作モデルの一般化性, すなわち, 既存の作業に欠けている, 異なる環境条件下で現実的な行動を生成する能力に焦点を当てる。 具体的には, 一般的な運動モデルを定式化し, このプロセスの応用として, ゲーム理論社会力モデル(GSFM, Game-theoretic Social Force Model)を, 異なる共有空間から歩行者や車の多種多様な運動行動を生成する汎用モデルへと拡張する。 第2の貢献は、個人歩行者の運動関連特徴を調整し、グループ化することで、歩行者の異なる動きパターンを検討することである。 2つのクラスタリングアプローチを分析した。 このモデルのキャリブレーションと評価は、3つの異なる共有空間データセット上で行われる。 その結果, 本モデルでは, 様々な動作行動やインタラクションシナリオを現実的にシミュレートでき, モデルに歩行者の異なる動きパターンを加えることで, その性能が向上することがわかった。

関連論文リスト

• Local Action-Guided Motion Diffusion Model for Text-to-Motion Generation [52.87672306545577]
  既存の動き生成法は主に大域運動の直接合成に焦点を当てている。 本研究では,局所動作を微粒化制御信号として利用することにより,グローバルな動き生成を容易にする局所動作誘導型動き拡散モデルを提案する。 本手法は,様々な局所動作と連続誘導重み調整をシームレスに組み合わせる柔軟性を提供する。
  論文  参考訳（メタデータ） (2024-07-15T08:35:00Z)
• Priority-Centric Human Motion Generation in Discrete Latent Space [59.401128190423535]
  テキスト・ツー・モーション生成のための優先中心運動離散拡散モデル(M2DM)を提案する。 M2DMは、コード崩壊に対処するために、グローバルな自己注意機構と正規化用語を組み込んでいる。 また、各動きトークンの重要度から決定される革新的なノイズスケジュールを用いた動き離散拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T10:40:16Z)
• Persistent-Transient Duality: A Multi-mechanism Approach for Modeling Human-Object Interaction [58.67761673662716]
  人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。 人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。 本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-07-24T12:21:33Z)
• GraMMaR: Ground-aware Motion Model for 3D Human Motion Reconstruction [61.833152949826946]
  本研究では,GraMMaRという3次元人体動作再構成のための新しいグラウンド・アウェア・モーション・モデルを提案する。 GraMMaRは、動きシーケンスの各時間ステップにおいて、ポーズにおける遷移の分布と、各関節面と接地面の間の相互作用を学習する。 運動と地面への距離変化との整合性を明確に促進するように訓練されている。
  論文  参考訳（メタデータ） (2023-06-29T07:22:20Z)
• Stochastic Multi-Person 3D Motion Forecasting [21.915057426589744]
  我々は、人間の動き予測に先立つ作業において、無視された現実世界の複雑さに対処する。 私たちのフレームワークは一般的なもので、異なる生成モデルでインスタンス化します。 このアプローチは多種多人数の予測を多種多様な精度で生成し,技術水準を著しく上回っている。
  論文  参考訳（メタデータ） (2023-06-08T17:59:09Z)
• Unifying Human Motion Synthesis and Style Transfer with Denoising Diffusion Probabilistic Models [9.789705536694665]
  デジタル人間のためのリアルな動きを生成することは、コンピュータアニメーションやゲームの中核だが挑戦的な部分である。 スタイル付きモーション合成のためのデノナイズ拡散モデル解を提案する。 局所的な誘導のために人の動きの側面を戦略的に生成する拡散モデルのマルチタスクアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2022-12-16T15:15:34Z)
• MoDi: Unconditional Motion Synthesis from Diverse Data [51.676055380546494]
  多様な動きを合成する無条件生成モデルであるMoDiを提案する。 我々のモデルは、多様な、構造化されていない、ラベルなしのモーションデータセットから完全に教師なしの設定で訓練されている。 データセットに構造が欠けているにもかかわらず、潜在空間は意味的にクラスタ化可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-16T09:06:25Z)
• Modeling Interactions of Multimodal Road Users in Shared Spaces [0.0]
  共有空間環境における歩行者と自動車の相互作用のレベルを考慮し、組み合わせる。 提案手法は,道路利用者の軌跡を計画する層,自由流運動を再現する力に基づくモデリング層,シンプルな相互作用の3層からなる。 歩行者と自動車の様々な相互作用と車間相互作用を含むシナリオをシミュレートし,本モデルの有効性を検証した。
  論文  参考訳（メタデータ） (2021-07-05T15:25:08Z)
• Objective-aware Traffic Simulation via Inverse Reinforcement Learning [31.26257563160961]
  逆強化学習問題として交通シミュレーションを定式化する。 動的ロバストシミュレーション学習のためのパラメータ共有逆強化学習モデルを提案する。 提案モデルでは,実世界の車両の軌道を模倣し,同時に報酬関数を復元することができる。
  論文  参考訳（メタデータ） (2021-05-20T07:26:34Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)
• Multi-agent Trajectory Prediction with Fuzzy Query Attention [15.12743751614964]
  複数のエージェントを持つシーンの軌道予測は、交通予測、歩行者追跡、経路計画といった多くの領域において難しい問題である。 この課題に対処する一般的なアーキテクチャとして、運動の重要な帰納バイアス、すなわち慣性、相対運動、意図、相互作用をモデル化する。
  論文  参考訳（メタデータ） (2020-10-29T19:12:12Z)

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。