論文の概要: Energy-based Potential Games for Joint Motion Forecasting and Control

• arxiv url: http://arxiv.org/abs/2312.01811v1
• Date: Mon, 4 Dec 2023 11:30:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-05 15:28:17.828320
• Title: Energy-based Potential Games for Joint Motion Forecasting and Control
• Title（参考訳）: ジョイントモーション予測・制御のためのエネルギーベースポテンシャルゲーム
• Authors: Christopher Diehl, Tobias Klosek, Martin Kr\"uger, Nils Murzyn, Timo Osterburg, Torsten Bertram
• Abstract要約: この研究は、モーション予測と制御における相互作用モデリングに対処するための数学的枠組みとしてゲーム理論を用いる。 差動ゲーム,最適制御,エネルギーベースモデル間の接続を確立し,提案したエネルギーベースポテンシャルゲーム定式化の下で既存のアプローチをどのように統合できるかを示す。 本稿では,ゲームパラメータ推論のためのニューラルネットワークと,帰納バイアスとして機能するゲーム理論最適化層を組み合わせた,新たなエンドツーエンド学習アプリケーションを提案する。
• 参考スコア（独自算出の注目度）: 0.125828876338076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work uses game theory as a mathematical framework to address interaction modeling in multi-agent motion forecasting and control. Despite its interpretability, applying game theory to real-world robotics, like automated driving, faces challenges such as unknown game parameters. To tackle these, we establish a connection between differential games, optimal control, and energy-based models, demonstrating how existing approaches can be unified under our proposed Energy-based Potential Game formulation. Building upon this, we introduce a new end-to-end learning application that combines neural networks for game-parameter inference with a differentiable game-theoretic optimization layer, acting as an inductive bias. The analysis provides empirical evidence that the game-theoretic layer adds interpretability and improves the predictive performance of various neural network backbones using two simulations and two real-world driving datasets.
• Abstract（参考訳）: 本研究は,マルチエージェント動作予測と制御における相互作用モデリングの数学的枠組みとしてゲーム理論を用いる。 その解釈性にもかかわらず、自動走行のような現実世界のロボット工学にゲーム理論を適用すると、未知のゲームパラメータなどの課題に直面する。 これらの問題に対処するため,我々は微分ゲーム,最適制御,エネルギーベースモデル間の接続を確立し,提案するエネルギーベースのポテンシャルゲーム定式化の下で既存のアプローチをどのように統一できるかを実証する。 これに基づいて,ゲームパラメータ推論のためのニューラルネットワークと,誘導バイアスとして機能するゲーム理論最適化層を組み合わせた,新たなエンドツーエンド学習アプリケーションを導入する。 この分析は、2つのシミュレーションと2つの実世界の駆動データセットを用いて、ゲーム理論層が解釈可能性を高め、様々なニューラルネットワークバックボーンの予測性能を向上させるという実証的証拠を提供する。

関連論文リスト

• Cyber Physical Games [0.0]
  エージェントと基礎となる物理的環境の間のコミュニケーション媒体に固有の非決定性が環境進化を引き起こすことを示す。 我々はこれらの創発性特性をサイバー物理ゲーム(Cyber Physical Games)と命名し、その特性について研究する。 本稿では,確率的有限状態オートマタによるサイバー物理ゲームの評価により,最も可能性の高いシステム進化を決定するアルゴリズムモデルを提案する。
  論文  参考訳（メタデータ） (2024-07-08T10:54:14Z)
• A Deep Learning Method for Optimal Investment Under Relative Performance Criteria Among Heterogeneous Agents [2.330509865741341]
  グラフゲームは、重み付けされた相互作用グラフを通して相互作用する多くのプレイヤーとゲームを研究するために導入された。 本稿では,相対的な性能基準下での最適投資を目的としたグラフゲームに着目し,ディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-02-12T01:40:31Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• On a Connection between Differential Games, Optimal Control, and Energy-based Models for Multi-Agent Interactions [0.13499500088995461]
  差分ゲーム,最適制御,エネルギーベースモデルの関連性を示す。 この定式化に基づいて、この研究はエンド・ツー・エンドの学習アプリケーションを導入している。 シミュレーションされた移動ロボット歩行者インタラクションと実世界の自動運転データを用いた実験は、実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2023-08-31T08:30:11Z)
• Towards Optimal Strategies for Training Self-Driving Perception Models in Simulation [98.51313127382937]
  合成ドメインのみにおけるラベルの使用に焦点を当てる。 提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。 マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
  論文  参考訳（メタデータ） (2021-11-15T18:37:43Z)
• Dynamic Visual Reasoning by Learning Differentiable Physics Models from Video and Language [92.7638697243969]
  視覚概念を協調的に学習し,映像や言語から物体の物理モデルを推定する統合フレームワークを提案する。 これは視覚認識モジュール、概念学習モジュール、微分可能な物理エンジンの3つのコンポーネントをシームレスに統合することで実現される。
  論文  参考訳（メタデータ） (2021-10-28T17:59:13Z)
• Bidirectional Interaction between Visual and Motor Generative Models using Predictive Coding and Active Inference [68.8204255655161]
  本稿では,感覚予測のための生成モデルと,運動軌跡の生成モデルからなるニューラルアーキテクチャを提案する。 我々は,知覚予測のシーケンスが学習,制御,オンライン適応を導くレールとしてどのように機能するかを強調する。
  論文  参考訳（メタデータ） (2021-04-19T09:41:31Z)
• Probabilistic Programming Bots in Intuitive Physics Game Play [0.0]
  直感的な物理環境と対話するための確率的プログラミングツールをボットが展開するためのフレームワークを提案する。 この枠組みは、確率論的方法で物理シミュレーションを用い、ニュートン運動の法則によって支配される環境でエージェントが行う動きを推測する。 モデルフリーアプローチ(我々のモデルにおける畳み込みニューラルネットワーク)とモデルベースアプローチ(確率物理学シミュレーション)を組み合わせることで、どちらも実現できないものを実現できるアプローチを提示する。
  論文  参考訳（メタデータ） (2021-04-05T16:14:41Z)
• UniCon: Universal Neural Controller For Physics-based Character Motion [70.45421551688332]
  大規模動作データセットから学習することで,異なるスタイルで数千の動作を習得する物理ベースのユニバーサルニューラルコントローラ(UniCon)を提案する。 UniConは、キーボード駆動制御をサポートし、ロコモーションとアクロバティックスキルの大きなプールから引き出されたモーションシーケンスを作成し、ビデオで撮影した人を物理ベースの仮想アバターにテレポートする。
  論文  参考訳（メタデータ） (2020-11-30T18:51:16Z)
• Learning Game-Theoretic Models of Multiagent Trajectories Using Implicit Layers [9.594432031144716]
  本稿では,ニューラルネットとゲーム理論的推論を併用したエンドツーエンドのトレーニング可能なアーキテクチャを提案する。 トラクタビリティのために、我々は新しいタイプの連続ポテンシャルゲームを導入し、アクション空間の平衡分離分割を導入する。 提案手法は,高速道路統合運転者の軌道を予測できる実世界の2つのデータセットと,簡易な意思決定伝達タスクで評価する。
  論文  参考訳（メタデータ） (2020-08-17T13:34:12Z)
• Learning to Simulate Dynamic Environments with GameGAN [109.25308647431952]
  本稿では,エージェントが環境と対話するのを見ることでシミュレーターを学習することを目的とする。 ゲームGANは,学習中にスクリーンプレイやキーボード操作を取り入れることで,所望のゲームを視覚的に模倣することを学習する生成モデルである。
  論文  参考訳（メタデータ） (2020-05-25T14:10:17Z)

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。