論文の概要: Resonance: Learning to Predict Social-Aware Pedestrian Trajectories as Co-Vibrations

• arxiv url: http://arxiv.org/abs/2412.02447v2
• Date: Mon, 10 Mar 2025 01:37:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:40:55.021408
• Title: Resonance: Learning to Predict Social-Aware Pedestrian Trajectories as Co-Vibrations
• Title（参考訳）: 共振器としての社会的認知的歩行者軌道予測の学習
• Authors: Conghao Wong, Ziqian Zou, Beihao Xia, Xinge You,
• Abstract要約: 共生形態の歩行者軌跡を符号化・予測するための共振モデル」を提案する。 軌道修正とランダム性を複数の振動部分に分解し、各原因に対するエージェントの反応をシミュレートする。 これらの独立振動の重ね合わせとして軌道を予測している。
• 参考スコア（独自算出の注目度）: 10.240007698680097
• License:
• Abstract: Learning to forecast trajectories of intelligent agents has caught much more attention recently. However, it remains a challenge to accurately account for agents' intentions and social behaviors when forecasting, and in particular, to simulate the unique randomness within each of those components in an explainable and decoupled way. Inspired by vibration systems and their resonance properties, we propose the Resonance (short for Re) model to encode and forecast pedestrian trajectories in the form of ``co-vibrations''. It decomposes trajectory modifications and randomnesses into multiple vibration portions to simulate agents' reactions to each single cause, and forecasts trajectories as the superposition of these independent vibrations separately. Also, benefiting from such vibrations and their spectral properties, representations of social interactions can be learned by emulating the resonance phenomena, further enhancing its explainability. Experiments on multiple datasets have verified its usefulness both quantitatively and qualitatively.
• Abstract（参考訳）: 知的エージェントの軌道予測の学習は、最近ますます注目を集めている。 しかし、予測時のエージェントの意図や社会的行動を正確に説明することは依然として困難であり、特に各コンポーネント内のユニークなランダム性を説明可能かつ分離可能な方法でシミュレートすることは困難である。 振動系とその共振特性に着想を得て,「共振動」の形で歩行者軌道を符号化し,予測する共振モデルを提案する。 軌道修正とランダム性を複数の振動部分に分解し、それぞれの原因に対するエージェントの反応をシミュレートし、これらの独立振動の重ね合わせとして軌道を予測する。 また、このような振動とそのスペクトル特性から、共振現象をエミュレートし、その説明可能性を高めることで、社会的相互作用の表現を学べる。 複数のデータセットの実験では、その有用性は定量的にも質的にも検証されている。

関連論文リスト

• Socially-Informed Reconstruction for Pedestrian Trajectory Forecasting [21.369444387333218]
  条件付き変分オートエンコーダに基づく軌道予測モジュールとともに再構成器を用いるモデルを提案する。 このモジュールは擬似トラジェクトリを生成し、トレーニングプロセス全体を通して拡張として使用します。 このモデルをさらに社会意識に導くために,より安定した軌道予測を支援する新たな社会的損失を提案する。
  論文  参考訳（メタデータ） (2024-12-05T23:54:06Z)
• 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)
• SocialCircle: Learning the Angle-based Social Interaction Representation for Pedestrian Trajectory Prediction [19.075215661355486]
  我々は,ソーシャルインタラクションのコンテキストを継続的に反映する,新しいアングルベースのトレーニング可能なソーシャルインタラクション表現であるSocialCircleを構築した。 提案するSocialCircleの効果を,新たにリリースされたトラジェクトリ予測モデルとともにトレーニングすることで検証する。 実験によると、SocialCircleは予測性能を定量的に改善するだけでなく、質的にも社会的相互作用をシミュレートするのに役立つ。
  論文  参考訳（メタデータ） (2023-10-09T02:59:21Z)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• Social-DualCVAE: Multimodal Trajectory Forecasting Based on Social Interactions Pattern Aware and Dual Conditional Variational Auto-Encoder [14.05141917351931]
  マルチモーダル軌道予測のための条件付き変分自動エンコーダ(Social-DualCVAE)を提案する。 これは、過去の軌跡だけでなく、教師なしの相互作用パターンの分類にもとづく生成モデルに基づいている。 提案手法は,広く用いられているトラジェクトリ・ベンチマークで評価され,従来の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-02-08T16:04:47Z)
• 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)
• 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)
• Human Trajectory Prediction via Counterfactual Analysis [87.67252000158601]
  複雑な動的環境における人間の軌道予測は、自律走行車やインテリジェントロボットにおいて重要な役割を果たす。 既存のほとんどの手法は、歴史の軌跡や環境からの相互作用の手がかりから行動の手がかりによって将来の軌跡を予測することを学習している。 本研究では,予測軌跡と入力手がかりの因果関係を調べるために,人間の軌跡予測に対する反実解析手法を提案する。
  論文  参考訳（メタデータ） (2021-07-29T17:41:34Z)
• Multiple Future Prediction Leveraging Synthetic Trajectories [25.721634055111643]
  軌道予測は特に自動運転において重要な課題である。 我々はマルコフ連鎖に基づくデータ駆動手法を提案し、合成軌道を生成する。 合成データと実データを組み合わせることで予測精度が向上することを示す。
  論文  参考訳（メタデータ） (2020-10-18T09:33:23Z)
• What-If Motion Prediction for Autonomous Driving [58.338520347197765]
  生存可能なソリューションは、道路レーンのような静的な幾何学的文脈と、複数のアクターから生じる動的な社会的相互作用の両方を考慮しなければならない。 本稿では,解釈可能な幾何学的(アクター・レーン)と社会的(アクター・アクター)の関係を持つグラフに基づく注意的アプローチを提案する。 提案モデルでは,道路レーンやマルチアクターの相互作用を仮定的に,あるいは「何」かで予測できる。
  論文  参考訳（メタデータ） (2020-08-24T17:49:30Z)
• Social-WaGDAT: Interaction-aware Trajectory Prediction via Wasserstein Graph Double-Attention Network [29.289670231364788]
  本稿では,マルチエージェント軌道予測のためのジェネリック生成ニューラルシステムを提案する。 また、車両軌道予測に効率的なキネマティック拘束層を応用した。 提案システムは,軌道予測のための3つの公開ベンチマークデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2020-02-14T20:11:13Z)

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。