Fugu-MT 論文翻訳(概要): Multimodal trajectory forecasting based on discrete heat map

論文の概要: Multimodal trajectory forecasting based on discrete heat map

arxiv url: http://arxiv.org/abs/2106.11467v1
Date: Tue, 22 Jun 2021 01:02:52 GMT
ステータス: 処理完了
システム内更新日: 2021-06-23 14:59:21.318842
Title: Multimodal trajectory forecasting based on discrete heat map
Title（参考訳）: 離散熱マップに基づくマルチモーダル軌道予測
Authors: Jingni Yuan, Jianyun Xu, Yushi Zhu
Abstract要約: ベクトル化レーンマップと2sターゲットの履歴軌跡を入力として使用する。モデルは、目標毎に確率で予測された軌道6を出力する。
参考スコア（独自算出の注目度）: 0.9281671380673306
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In Argoverse motion forecasting competition, the task is to predict the probabilistic future trajectory distribution for the interested targets in the traffic scene. We use vectorized lane map and 2 s targets' history trajectories as input. Then the model outputs 6 forecasted trajectories with probability for each target.
Abstract（参考訳）: argoverse motion forecasting competitionでは,トラヒックシーンにおける興味のある対象の確率的将来の軌道分布を予測することが課題である。ベクトル化レーンマップと2sターゲットの履歴軌跡を入力として使用する。そして、モデルが目標毎に確率で予測された軌跡6を出力する。

関連論文リスト

GoalNet: Goal Areas Oriented Pedestrian Trajectory Prediction [1.9253333342733674]
歩行者の目標領域に基づく新しい軌道予測ニューラルネットワークを提案する。 GoalNetは、従来の最先端のパフォーマンスをJAADで48.7%、PIEデータセットで40.8%改善した。
論文参考訳（メタデータ） (2024-02-29T09:53:19Z)
Mixed Gaussian Flow for Diverse Trajectory Prediction [78.00204650749453]
混合ガウスを将来の軌跡多様体に変換するためのフローベースモデルを提案する。このモデルでは、多様な軌道パターンを生成する能力が向上している。また,多様な,制御可能な,分布外のトラジェクトリを生成可能であることも実証した。
論文参考訳（メタデータ） (2024-02-19T15:48:55Z)
PBP: Path-based Trajectory Prediction for Autonomous Driving [3.640190809479174]
軌道予測は自動運転スタックにおいて重要な役割を果たす。近年、ゴールに基づく予測モデルは、将来の軌道のマルチモーダルな性質に対処するために注目を集めている。
論文参考訳（メタデータ） (2023-09-07T14:45:41Z)
End-to-End Trajectory Distribution Prediction Based on Occupancy Grid Maps [29.67295706224478]
本稿では,実世界における移動エージェントの将来の軌跡分布を予測することを目的としている。我々は、接地構造分布に対する明示的かつシーン順応的な近似として、占有格子マップを用いて対称的クロスエントロピーで分布を学習する。実験では,Stanford Drone データセットとIntersection Drone データセットの最先端性能を実現する。
論文参考訳（メタデータ） (2022-03-31T09:24:32Z)
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)
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)
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)
Goal-GAN: Multimodal Trajectory Prediction Based on Goal Position Estimation [1.20855096102517]
本稿では,人間の軌道予測のための解釈可能な,エンドツーエンドのトレーニング可能なモデルであるGoal-GANを提案する。人間のナビゲーションにヒントを得て、軌道予測のタスクを直感的な2段階のプロセスとしてモデル化する。
論文参考訳（メタデータ） (2020-10-02T17:17:45Z)
Map-Adaptive Goal-Based Trajectory Prediction [3.1948816877289263]
本稿では,多モーダル・長期車両軌道予測のための新しい手法を提案する。提案手法は,各車両に提案された目標経路の集合を生成するために,環境のリッチマップで捉えた車線中心線を利用することに依存する。本モデルは,6秒の水平線上での車両軌道予測において,最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2020-09-09T17:57:01Z)
TNT: Target-driveN Trajectory Prediction [76.21200047185494]
我々は移動エージェントのための目標駆動軌道予測フレームワークを開発した。我々は、車や歩行者の軌道予測をベンチマークする。私たちはArgoverse Forecasting、InterAction、Stanford Drone、および社内のPedestrian-at-Intersectionデータセットの最先端を達成しています。
論文参考訳（メタデータ） (2020-08-19T06:52:46Z)
TPNet: Trajectory Proposal Network for Motion Prediction [81.28716372763128]
Trajectory Proposal Network (TPNet) は、新しい2段階の動作予測フレームワークである。 TPNetはまず、仮説の提案として将来の軌道の候補セットを生成し、次に提案の分類と修正によって最終的な予測を行う。 4つの大規模軌道予測データセットの実験は、TPNetが定量的かつ定性的に、最先端の結果を達成することを示した。
論文参考訳（メタデータ） (2020-04-26T00:01:49Z)

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。