論文の概要: Human Trajectory Prediction via Counterfactual Analysis
- arxiv url: http://arxiv.org/abs/2107.14202v1
- Date: Thu, 29 Jul 2021 17:41:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-30 13:14:42.335446
- Title: Human Trajectory Prediction via Counterfactual Analysis
- Title(参考訳): 対実解析による人間の軌道予測
- Authors: Guangyi Chen, Junlong Li, Jiwen Lu, Jie Zhou
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 87.67252000158601
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Forecasting human trajectories in complex dynamic environments plays a
critical role in autonomous vehicles and intelligent robots. Most existing
methods learn to predict future trajectories by behavior clues from history
trajectories and interaction clues from environments. However, the inherent
bias between training and deployment environments is ignored. Hence, we propose
a counterfactual analysis method for human trajectory prediction to investigate
the causality between the predicted trajectories and input clues and alleviate
the negative effects brought by environment bias. We first build a causal graph
for trajectory forecasting with history trajectory, future trajectory, and the
environment interactions. Then, we cut off the inference from environment to
trajectory by constructing the counterfactual intervention on the trajectory
itself. Finally, we compare the factual and counterfactual trajectory clues to
alleviate the effects of environment bias and highlight the trajectory clues.
Our counterfactual analysis is a plug-and-play module that can be applied to
any baseline prediction methods including RNN- and CNN-based ones. We show that
our method achieves consistent improvement for different baselines and obtains
the state-of-the-art results on public pedestrian trajectory forecasting
benchmarks.
- Abstract(参考訳): 複雑な動的環境における人間の軌道予測は、自動運転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ぶ。
しかしながら、トレーニングとデプロイメント環境の固有のバイアスは無視される。
そこで本研究では, 予測軌跡と入力手がかりとの因果関係を解明し, 環境バイアスによる負の影響を軽減するために, 人間の軌道予測に対する反実解析手法を提案する。
まず,歴史軌跡,未来軌跡,環境相互作用を考慮した軌跡予測のための因果グラフを構築した。
そして、軌道自体に対する反事実的介入を構築することにより、環境から軌道への推論を遮断する。
最後に,実例と反実例の軌跡を比較し,環境バイアスの影響を緩和し,軌跡の強調を行う。
反事実分析はプラグアンドプレイモジュールであり,rnn および cnn ベースの任意のベースライン予測手法に適用可能である。
提案手法は,異なる基準線に対する一貫した改善を実現し,公共歩行者軌道予測ベンチマークの最先端結果を得る。
関連論文リスト
- 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) - Forecasting Human Trajectory from Scene History [51.72069374835107]
我々は,暗黙の場面の規則性から学習することで,将来の軌跡を予測することを提案する。
本研究では,シーン履歴情報を歴史的グループ軌跡と個々人のインタラクションの2つのタイプに分類する。
本稿では,シーン履歴をシンプルかつ効果的なアプローチで活用する,SHENet(Scene History Excavating Network)を提案する。
論文 参考訳(メタデータ) (2022-10-17T03:56:02Z) - Action-based Contrastive Learning for Trajectory Prediction [4.675212251005813]
軌道予測は、自律運転など、人間のロボットのインタラクションを成功させる上で不可欠なタスクである。
本研究では,移動カメラを用いたファースト・パーソン・ビュー・セッティングにおける将来の歩行者軌跡予測の問題に対処する。
本稿では,歩行者行動情報を利用して学習軌跡埋め込みを改善する,新たな行動に基づくコントラスト学習損失を提案する。
論文 参考訳(メタデータ) (2022-07-18T15:02:27Z) - 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) - 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) - 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) - Towards Robust Human Trajectory Prediction in Raw Videos [8.301214274565819]
生ビデオにおける人間の軌道予測の問題について検討する。
予測精度は,種々のトラッキングエラーの影響を受けやすいことを示す。
本稿では,予測整合性を時間とともに強制することにより,トラッキング障害を修正するための簡易かつ効果的な手法を提案する。
論文 参考訳(メタデータ) (2021-08-18T17:27:26Z) - 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) - 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) - 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。