論文の概要: Multimodal Trajectory Prediction: A Survey

• arxiv url: http://arxiv.org/abs/2302.10463v1
• Date: Tue, 21 Feb 2023 06:11:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 16:15:43.062522
• Title: Multimodal Trajectory Prediction: A Survey
• Title（参考訳）: マルチモーダル軌道予測:調査
• Authors: Renhao Huang, Hao Xue, Maurice Pagnucco, Flora Salim, Yang Song
• Abstract要約: 軌道予測は、自律システムにおける安全かつインテリジェントな行動を支援するための重要なタスクである。 MTP(Multimodal trajectory Prediction)と呼ばれる新しいタスクは、各エージェントに対する将来の予測の多様で許容可能かつ説明可能な分布を生成することを目的としている。
• 参考スコア（独自算出の注目度）: 13.519480642785561
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Trajectory prediction is an important task to support safe and intelligent behaviours in autonomous systems. Many advanced approaches have been proposed over the years with improved spatial and temporal feature extraction. However, human behaviour is naturally multimodal and uncertain: given the past trajectory and surrounding environment information, an agent can have multiple plausible trajectories in the future. To tackle this problem, an essential task named multimodal trajectory prediction (MTP) has recently been studied, which aims to generate a diverse, acceptable and explainable distribution of future predictions for each agent. In this paper, we present the first survey for MTP with our unique taxonomies and comprehensive analysis of frameworks, datasets and evaluation metrics. In addition, we discuss multiple future directions that can help researchers develop novel multimodal trajectory prediction systems.
• Abstract（参考訳）: 軌道予測は自律システムにおける安全かつインテリジェントな行動を支援する重要なタスクである。 空間的および時間的特徴抽出を改善した先進的なアプローチが長年にわたって提案されてきた。 しかし、人間の行動は自然に多様で不確実であり、過去の軌跡や周囲の環境情報を考えると、エージェントは将来複数のもっともらしい軌跡を持つことができる。 この問題に対処するため,MTP (Multimodal trajectory Prediction) と呼ばれる重要なタスクが最近研究され,各エージェントに対する将来予測の多様かつ許容可能かつ説明可能な分布を生成することを目的としている。 本稿では,独自の分類法とフレームワーク,データセット,評価指標を包括的に分析したmtpに関する最初の調査を行う。 さらに、研究者が新しい多モード軌道予測システムを開発するのに役立つ複数の将来方向について論じる。

関連論文リスト

• Bridging the Gap Between Multi-Step and One-Shot Trajectory Prediction via Self-Supervision [2.365702128814616]
  正確な車両軌道予測は、自動運転における未解決の問題である。 本稿では,複数の軌道セグメントを連結した中間層を提案する。 提案するマルチブランチ・セルフスーパービジョン予測器は,中間将来のセグメントから始まる新しい予測について追加の訓練を受ける。
  論文  参考訳（メタデータ） (2023-06-06T02:46:28Z)
• LaPred: Lane-Aware Prediction of Multi-Modal Future Trajectories of Dynamic Agents [10.869902339190949]
  本稿では,レーンアウェア予測 (lapred) ネットワークと呼ばれる新しい予測モデルを提案する。 LaPredは、セマンティックマップから抽出されたインスタンスレベルのレーンエンティティを使用して、マルチモーダルな将来の軌跡を予測する。 公開nuScenesとArgoverseデータセットで実施された実験は、提案したLaPred法が既存の予測モデルを大幅に上回ることを示した。
  論文  参考訳（メタデータ） (2021-04-01T04:33:36Z)
• LookOut: Diverse Multi-Future Prediction and Planning for Self-Driving [139.33800431159446]
  LookOutは、環境を共同で知覚し、センサーデータから様々な未来を予測するアプローチである。 本モデルでは,大規模自動運転データセットにおいて,より多様性があり,サンプル効率のよい動き予測を行う。
  論文  参考訳（メタデータ） (2021-01-16T23:19:22Z)
• 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)
• SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction [72.37440317774556]
  本稿では,将来の軌道予測における2つの重要な課題に対処する手法を提案する。 エージェントの数に関係なく、トレーニングデータと予測と一定時間の推測の両方において、マルチモーダリティ。
  論文  参考訳（メタデータ） (2020-07-26T08:17:10Z)
• 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)
• Ambiguity in Sequential Data: Predicting Uncertain Futures with Recurrent Models [110.82452096672182]
  逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。 また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
  論文  参考訳（メタデータ） (2020-03-10T09:15:42Z)
• Diverse and Admissible Trajectory Forecasting through Multimodal Context Understanding [46.52703817997932]
  自律走行におけるマルチエージェント軌道予測には、周囲の車両や歩行者の挙動を正確に予測するエージェントが必要である。 マルチモーダル世界から複数の入力信号を合成するモデルを提案する。 従来の最先端手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2020-03-06T13:59:39Z)

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。