論文の概要: Trajectory Prediction with Linguistic Representations

• arxiv url: http://arxiv.org/abs/2110.09741v1
• Date: Tue, 19 Oct 2021 05:22:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-20 13:19:10.765948
• Title: Trajectory Prediction with Linguistic Representations
• Title（参考訳）: 言語表現を用いた軌道予測
• Authors: Yen-Ling Kuo, Xin Huang, Andrei Barbu, Stephen G. McGill, Boris Katz, John J. Leonard, Guy Rosman
• Abstract要約: 本稿では,言語中間表現を用いて軌跡を予測できる新しい軌跡予測モデルを提案する。 モデルは単語ごとの直接監督なしに各単語の意味を学習する。 これは、長い時間間隔で操作と相互作用をキャプチャする軌跡の言語記述を生成する。
• 参考スコア（独自算出の注目度）: 27.71805777845141
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language allows humans to build mental models that interpret what is happening around them resulting in more accurate long-term predictions. We present a novel trajectory prediction model that uses linguistic intermediate representations to forecast trajectories, and is trained using trajectory samples with partially annotated captions. The model learns the meaning of each of the words without direct per-word supervision. At inference time, it generates a linguistic description of trajectories which captures maneuvers and interactions over an extended time interval. This generated description is used to refine predictions of the trajectories of multiple agents. We train and validate our model on the Argoverse dataset, and demonstrate improved accuracy results in trajectory prediction. In addition, our model is more interpretable: it presents part of its reasoning in plain language as captions, which can aid model development and can aid in building confidence in the model before deploying it.
• Abstract（参考訳）: 言語によって、人間は周囲の出来事を解釈し、より正確な長期的な予測を可能にするメンタルモデルを構築することができる。 本稿では, 言語的中間表現を用いた軌跡予測モデルを提案し, 部分的に注釈付きキャプションを用いた軌跡サンプルを用いて訓練を行う。 モデルは単語ごとの直接監督なしに各単語の意味を学習する。 推定時には、長い時間間隔で操作や相互作用をキャプチャする軌道の言語記述を生成する。 この生成した記述は、複数のエージェントの軌道の予測を洗練するために使われる。 我々は,argoverseデータセット上でモデルをトレーニングし,検証し,軌道予測における精度の向上を示す。 さらに,本モデルはより解釈可能であり,平易な言語での推論の一部をキャプションとして表現し,モデル開発を支援するとともに,デプロイ前にモデルの信頼性構築を支援する。

関連論文リスト

• Traj-Explainer: An Explainable and Robust Multi-modal Trajectory Prediction Approach [12.60529039445456]
  複雑な交通環境のナビゲーションはインテリジェントな技術の進歩によって大幅に向上し、自動車の正確な環境認識と軌道予測を可能にした。 既存の研究は、しばしばシナリオエージェントの合同推論を無視し、軌道予測モデルにおける解釈可能性に欠ける。 本研究では, 説明可能な拡散条件に基づく多モード軌道予測トラj-Explainerという, 説明可能性指向の軌道予測モデルが設計されている。
  論文  参考訳（メタデータ） (2024-10-22T08:17:33Z)
• Towards Generalizable and Interpretable Motion Prediction: A Deep Variational Bayes Approach [54.429396802848224]
  本稿では,分布外ケースに対する頑健な一般化性を有する動き予測のための解釈可能な生成モデルを提案する。 このモデルでは, 長期目的地の空間分布を推定することにより, 目標駆動動作予測を実現する。 動き予測データセットの実験は、適合したモデルが解釈可能で一般化可能であることを検証した。
  論文  参考訳（メタデータ） (2024-03-10T04:16:04Z)
• Large language models implicitly learn to straighten neural sentence trajectories to construct a predictive representation of natural language [2.1756081703276]
  自己回帰変換器の予測表現に関する仮説を検証した。 重要な洞察は、直線的な軌道は線形外挿による予測を促進するべきであるということである。 1次元曲率計を用いて直線性を定量化する。
  論文  参考訳（メタデータ） (2023-11-05T22:16:21Z)
• Improving Trajectory Prediction in Dynamic Multi-Agent Environment by Dropping Waypoints [9.385936248154987]
  動作予測システムは、エージェントの将来の軌跡を予測するために、過去から空間的および時間的情報を学習する必要がある。 本稿では,軌道予測モデルのトレーニング中に時間的依存関係を明示的に組み込んだTWDを提案する。 NBA Sports VU, ETH-UCY, TrajNet++の3つのデータセットに対する提案手法の評価を行った。
  論文  参考訳（メタデータ） (2023-09-29T15:48:35Z)
• How to Estimate Model Transferability of Pre-Trained Speech Models? [84.11085139766108]
  事前学習音声モデルの伝達可能性推定のためのスコアベースアセスメントフレームワーク ベイズ確率推定と最適輸送という2つの表現理論を利用して、PSM候補のランクスコアを生成する。 本フレームワークは,候補モデルやレイヤを実際に微調整することなく,転送可能性スコアを効率的に計算する。
  論文  参考訳（メタデータ） (2023-06-01T04:52:26Z)
• Explaining How Transformers Use Context to Build Predictions [0.1749935196721634]
  言語生成モデルは、以前の文脈に基づいて単語を生成する。 レイヤ全体にわたって、事前の言葉がモデルの判断にどのような影響を及ぼすかは、いまだに不明である。 本稿では,トランスフォーマーの説明可能性の最近の進歩を活用し,言語生成のためのモデル解析手法を提案する。
  論文  参考訳（メタデータ） (2023-05-21T18:29:10Z)
• Few-shot Subgoal Planning with Language Models [58.11102061150875]
  事前訓練された言語モデルにエンコードされた言語は、細粒度のサブゴール列を推測できることを示す。 サブゴナル・インスペクションを強く仮定する最近の手法とは対照的に,我々の実験では,詳細なサブゴラル・シーケンスを微調整せずに推論できる言語モデルが示されている。
  論文  参考訳（メタデータ） (2022-05-28T01:03:30Z)
• Pathologies of Pre-trained Language Models in Few-shot Fine-tuning [50.3686606679048]
  実例が少ない事前学習言語モデルはラベル間に強い予測バイアスを示すことを示す。 わずかな微調整で予測バイアスを軽減できるが,本分析では,非タスク関連の特徴を捉えることで,モデルの性能向上を図っている。 これらの観察は、より少ない例でモデルのパフォーマンスを追求することは、病理学的予測行動を引き起こす可能性があることを警告する。
  論文  参考訳（メタデータ） (2022-04-17T15:55:18Z)
• A Generative Language Model for Few-shot Aspect-Based Sentiment Analysis [90.24921443175514]
  我々は、アスペクト項、カテゴリを抽出し、対応する極性を予測するアスペクトベースの感情分析に焦点を当てる。 本稿では,一方向の注意を伴う生成言語モデルを用いて,抽出タスクと予測タスクをシーケンス生成タスクに再構成することを提案する。 提案手法は,従来の最先端(BERTをベースとした)の性能を,数ショットとフルショットの設定において,大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-04-11T18:31:53Z)
• 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)

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。