論文の概要: Polar Collision Grids: Effective Interaction Modelling for Pedestrian Trajectory Prediction in Shared Space Using Collision Checks

• arxiv url: http://arxiv.org/abs/2308.06654v1
• Date: Sun, 13 Aug 2023 00:20:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-15 16:14:52.551927
• Title: Polar Collision Grids: Effective Interaction Modelling for Pedestrian Trajectory Prediction in Shared Space Using Collision Checks
• Title（参考訳）: 極性衝突グリッド:衝突チェックを用いた共有空間における歩行者軌道予測のための効果的な相互作用モデリング
• Authors: Mahsa Golchoubian, Moojan Ghafurian, Kerstin Dautenhahn, Nasser Lashgarian Azad
• Abstract要約: 軌道予測は、自動運転車の安全な航法にとって重要な能力である。 歩行者と歩行者の相互作用をモデル化することは、歩行者の軌道予測モデルの精度を高めることができる。
• 参考スコア（独自算出の注目度）: 3.809702129519642
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting pedestrians' trajectories is a crucial capability for autonomous vehicles' safe navigation, especially in spaces shared with pedestrians. Pedestrian motion in shared spaces is influenced by both the presence of vehicles and other pedestrians. Therefore, effectively modelling both pedestrian-pedestrian and pedestrian-vehicle interactions can increase the accuracy of the pedestrian trajectory prediction models. Despite the huge literature on ways to encode the effect of interacting agents on a pedestrian's predicted trajectory using deep-learning models, limited effort has been put into the effective selection of interacting agents. In the majority of cases, the interaction features used are mainly based on relative distances while paying less attention to the effect of the velocity and approaching direction in the interaction formulation. In this paper, we propose a heuristic-based process of selecting the interacting agents based on collision risk calculation. Focusing on interactions of potentially colliding agents with a target pedestrian, we propose the use of time-to-collision and the approach direction angle of two agents for encoding the interaction effect. This is done by introducing a novel polar collision grid map. Our results have shown predicted trajectories closer to the ground truth compared to existing methods (used as a baseline) on the HBS dataset.
• Abstract（参考訳）: 歩行者の軌道を予測することは、自動運転車の安全な航行、特に歩行者と共有する空間において重要な能力である。 共有空間における歩行者の動きは、車両や歩行者の存在の影響を受けている。 したがって、歩行者と歩行者の相互作用を効果的にモデル化することは、歩行者の軌道予測モデルの精度を高めることができる。 ディープラーニングモデルを用いた歩行者の予測軌道に対する相互作用エージェントの効果をエンコードする方法に関する膨大な文献にもかかわらず、相互作用エージェントの効果的な選択に限定された努力がなされている。 ほとんどの場合、使用される相互作用特徴は主に相対距離に基づいており、相互作用の定式化における速度と接近方向の影響にはあまり注意を払わない。 本稿では,衝突リスク計算に基づいて相互作用するエージェントを選択するヒューリスティックな手法を提案する。 対象歩行者と潜在的に衝突するエージェントの相互作用に着目し,相互作用効果を符号化する2つのエージェントの時間対衝突とアプローチ方向角の使用を提案する。 これは、新しい極性衝突グリッドマップを導入することによって行われる。 以上の結果から,HBSデータセット上の既存の手法(ベースラインとして使用される)と比較して,地上の真実に近い軌道が予測された。

関連論文リスト

• IA-LSTM: Interaction-Aware LSTM for Pedestrian Trajectory Prediction [1.3597551064547502]
  群衆シナリオにおける歩行者の軌道予測は、自動運転車や自律移動ロボットの分野において不可欠である。 従来の研究者は人間と人間の相互作用をモデル化する方法に重点を置いていたが、相互作用の相対的重要性を無視した。 人間の相互作用の相対的重要性を測定するために、コレントロピーに基づく新しいメカニズムが導入された。
  論文  参考訳（メタデータ） (2023-11-26T05:17:11Z)
• Pedestrian Trajectory Prediction in Pedestrian-Vehicle Mixed Environments: A Systematic Review [3.809702129519642]
  歩行者と共有する空間で自動運転車の経路を計画するには、歩行者の将来の軌跡を推論する必要がある。 本稿では,歩行者軌跡予測をモデル化するための文献的手法を体系的に検討する。
  論文  参考訳（メタデータ） (2023-08-11T23:58:51Z)
• ForceFormer: Exploring Social Force and Transformer for Pedestrian Trajectory Prediction [3.5163219821672618]
  我々は、ForceFormerと呼ばれる新しい目標ベースの軌道予測器を提案する。 我々は目的地からの駆動力を利用して歩行者の目標の誘導を効率的にシミュレートする。 提案手法は,最先端モデルを用いた距離誤差によって測定されたオンパー性能を実現する。
  論文  参考訳（メタデータ） (2023-02-15T10:54:14Z)
• Pedestrian Trajectory Prediction via Spatial Interaction Transformer Network [7.150832716115448]
  交通現場では、来るべき人々と出会うと、歩行者は突然回転したり、すぐに止まることがある。 このような予測不可能な軌道を予測するために、歩行者間の相互作用についての洞察を得ることができる。 本稿では,歩行者軌跡の相関関係を注意機構を用いて学習する空間的相互作用変換器(SIT)を提案する。
  論文  参考訳（メタデータ） (2021-12-13T13:08:04Z)
• SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
  ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。 公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-12-05T01:49:18Z)
• Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction [97.40338982628094]
  マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。 具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。 階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
  論文  参考訳（メタデータ） (2021-07-31T13:36:04Z)
• Modeling Interactions of Multimodal Road Users in Shared Spaces [0.0]
  共有空間環境における歩行者と自動車の相互作用のレベルを考慮し、組み合わせる。 提案手法は,道路利用者の軌跡を計画する層,自由流運動を再現する力に基づくモデリング層,シンプルな相互作用の3層からなる。 歩行者と自動車の様々な相互作用と車間相互作用を含むシナリオをシミュレートし,本モデルの有効性を検証した。
  論文  参考訳（メタデータ） (2021-07-05T15:25:08Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• 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)
• Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
  我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。 歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。 2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
  論文  参考訳（メタデータ） (2021-01-07T06:08:21Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。