論文の概要: EqMotion: Equivariant Multi-agent Motion Prediction with Invariant
Interaction Reasoning
- arxiv url: http://arxiv.org/abs/2303.10876v1
- Date: Mon, 20 Mar 2023 05:23:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 16:40:40.373458
- Title: EqMotion: Equivariant Multi-agent Motion Prediction with Invariant
Interaction Reasoning
- Title（参考訳）: EqMotion: 不変相互作用推論を用いた等変マルチエージェント動作予測
- Authors: Chenxin Xu, Robby T. Tan, Yuhong Tan, Siheng Chen, Yu Guang Wang,
Xinchao Wang, Yanfeng Wang
- Abstract要約: 不変相互作用推論を用いた効率的な同変運動予測モデルであるEqMotionを提案する。
提案モデルに対して,粒子動力学,分子動力学,人体骨格運動予測,歩行者軌道予測の4つの異なるシナリオで実験を行った。
提案手法は4つのタスクすべてに対して最先端の予測性能を実現し,24.0/30.1/8.6/9.2%改善した。
- 参考スコア（独自算出の注目度）: 83.11657818251447
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Learning to predict agent motions with relationship reasoning is important
for many applications. In motion prediction tasks, maintaining motion
equivariance under Euclidean geometric transformations and invariance of agent
interaction is a critical and fundamental principle. However, such equivariance
and invariance properties are overlooked by most existing methods. To fill this
gap, we propose EqMotion, an efficient equivariant motion prediction model with
invariant interaction reasoning. To achieve motion equivariance, we propose an
equivariant geometric feature learning module to learn a Euclidean
transformable feature through dedicated designs of equivariant operations. To
reason agent's interactions, we propose an invariant interaction reasoning
module to achieve a more stable interaction modeling. To further promote more
comprehensive motion features, we propose an invariant pattern feature learning
module to learn an invariant pattern feature, which cooperates with the
equivariant geometric feature to enhance network expressiveness. We conduct
experiments for the proposed model on four distinct scenarios: particle
dynamics, molecule dynamics, human skeleton motion prediction and pedestrian
trajectory prediction. Experimental results show that our method is not only
generally applicable, but also achieves state-of-the-art prediction
performances on all the four tasks, improving by 24.0/30.1/8.6/9.2%. Code is
available at https://github.com/MediaBrain-SJTU/EqMotion.
- Abstract（参考訳）: 多くのアプリケーションにおいて,関係推論によるエージェント動作の予測が重要である。
運動予測タスクでは、ユークリッド幾何変換の下での運動同分散とエージェント相互作用の不変性は、決定的かつ基本的な原理である。
しかし、そのような等分散性と不変性は、既存のほとんどの方法によって見過ごされている。
このギャップを埋めるために、不変相互作用推論を持つ効率的な同変運動予測モデルであるEqMotionを提案する。
運動同値化を実現するため,同変演算の専用設計によりユークリッド変換可能な特徴を学習するための等変幾何学的特徴学習モジュールを提案する。
エージェントの相互作用を推論するために,より安定した相互作用モデリングを実現するための不変相互作用推論モジュールを提案する。
さらに,より包括的動作機能を促進するために,不変パターン特徴を学習するための不変パターン特徴学習モジュールを提案し,同変幾何特徴と協調してネットワーク表現性を高める。
提案モデルに対して,粒子動力学,分子動力学,人体骨格運動予測,歩行者軌道予測の4つの異なるシナリオで実験を行った。
実験の結果,本手法は一般に適用できるだけでなく,4つのタスクすべてにおいて最先端の予測性能を実現し,24.0/30.1/8.6/9.2%向上した。
コードはhttps://github.com/MediaBrain-SJTU/EqMotion.comで入手できる。
関連論文リスト
- Deconstructing equivariant representations in molecular systems [6.841858294458366]
本稿では,QM9データセット上での単純な同変グラフ畳み込みモデルを用いた実験について報告する。
我々の重要な発見は、スカラー予測タスクでは、多くの既約表現はトレーニング中に単純に無視されることである。
経験的に,未使用の球面高調波の除去がモデル性能を向上させることを示す。
論文 参考訳（メタデータ） (2024-10-10T17:15:46Z) - EulerFormer: Sequential User Behavior Modeling with Complex Vector Attention [88.45459681677369]
複素ベクトル注意を持つ新しい変圧器変圧器(EulerFormer)を提案する。
意味的差と位置的差の両方を定式化するための統一的な理論的枠組みを提供する。
意味的変動に対してより堅牢であり、原理上はより上述の理論的性質を持つ。
論文 参考訳（メタデータ） (2024-03-26T14:18:43Z) - Equivariant Graph Neural Operator for Modeling 3D Dynamics [148.98826858078556]
我々は,次のステップの予測ではなく,ダイナミックスを直接トラジェクトリとしてモデル化するために,Equivariant Graph Neural Operator (EGNO)を提案する。
EGNOは3次元力学の時間的進化を明示的に学習し、時間とともに関数として力学を定式化し、それを近似するためにニューラル演算子を学習する。
粒子シミュレーション、人間のモーションキャプチャー、分子動力学を含む複数の領域における総合的な実験は、既存の手法と比較して、EGNOの極めて優れた性能を示す。
論文 参考訳（メタデータ） (2024-01-19T21:50:32Z) - EqDrive: Efficient Equivariant Motion Forecasting with Multi-Modality for Autonomous Driving [3.4679246185687544]
我々は,マルチエージェント車両運動予測のタスクにおいて,先行する同変粒子であるEqMotionと人間の予測モデルを用いる。
EqMotionを利用することで、パラメータが少なく(120万)、トレーニング時間を大幅に短縮(2時間以内)で、最先端(SOTA)のパフォーマンスを実現します。
論文 参考訳（メタデータ） (2023-10-26T16:32:34Z) - Equivariant Map and Agent Geometry for Autonomous Driving Motion
Prediction [4.096893535332546]
本研究では、理論的に幾何学的同変であり、粒子と人間の相互作用不変な運動予測モデルであるEqMotionを用いて、画期的な解を提案する。
これらの技術を適用することで、軽量な設計と効率的なデータ利用を維持しながら、予測精度の高いモデルを実現することができる。
論文 参考訳（メタデータ） (2023-10-21T07:08:44Z) - Learning Interacting Dynamical Systems with Latent Gaussian Process ODEs [13.436770170612295]
本研究では,対話対象の連続時間力学の不確実性を考慮したモデリングを初めて行った。
我々のモデルは、独立力学と信頼性のある不確実性推定との相互作用の両方を推測する。
論文 参考訳（メタデータ） (2022-05-24T08:36:25Z) - Towards Robust and Adaptive Motion Forecasting: A Causal Representation
Perspective [72.55093886515824]
本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。
我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。
合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
論文 参考訳（メタデータ） (2021-11-29T18:59:09Z) - Equivariant Deep Dynamical Model for Motion Prediction [0.0]
深層生成モデリングは、データの最も単純化され圧縮された基礎的な記述を見つけるための動的モデリングの強力なアプローチである。
ほとんどの学習タスクは固有の対称性を持ち、すなわち入力変換は出力をそのままにするか、出力が同様の変換を行う。
本稿では, 入力空間の構造的表現を, 対称性の変換とともに変化するという意味で学習する動き予測のためのSO(3)同変深部力学モデル(EqDDM)を提案する。
論文 参考訳（メタデータ） (2021-11-02T21:01:43Z) - Equivariant vector field network for many-body system modeling [65.22203086172019]
Equivariant Vector Field Network (EVFN) は、新しい同変層と関連するスカラー化およびベクトル化層に基づいて構築されている。
シミュレーションされたニュートン力学系の軌跡を全観測データと部分観測データで予測する手法について検討した。
論文 参考訳（メタデータ） (2021-10-26T14:26:25Z) - Multi-Agent Imitation Learning with Copulas [102.27052968901894]
マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。
本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。
提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
論文 参考訳（メタデータ） (2021-07-10T03:49:41Z)
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。