論文の概要: Unified Multimodal Vessel Trajectory Prediction with Explainable Navigation Intention

• arxiv url: http://arxiv.org/abs/2511.14265v1
• Date: Tue, 18 Nov 2025 08:56:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.021791
• Title: Unified Multimodal Vessel Trajectory Prediction with Explainable Navigation Intention
• Title（参考訳）: 説明可能なナビゲーション意図による統一型マルチモーダル船舶軌道予測
• Authors: Rui Zhang, Chao Li, Kezhong Liu, Chen Wang, Bolong Zheng, Hongbo Jiang,
• Abstract要約: 船舶軌道予測は、インテリジェント海洋システムの基本である。 既存の船舶軌道予測手法は、限られたシナリオ適用性と説明性に乏しい。 本稿では,説明可能なナビゲーション意図を取り入れた統合型船舶軌道予測フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 18.699213433572996
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Vessel trajectory prediction is fundamental to intelligent maritime systems. Within this domain, short-term prediction of rapid behavioral changes in complex maritime environments has established multimodal trajectory prediction (MTP) as a promising research area. However, existing vessel MTP methods suffer from limited scenario applicability and insufficient explainability. To address these challenges, we propose a unified MTP framework incorporating explainable navigation intentions, which we classify into sustained and transient categories. Our method constructs sustained intention trees from historical trajectories and models dynamic transient intentions using a Conditional Variational Autoencoder (CVAE), while using a non-local attention mechanism to maintain global scenario consistency. Experiments on real Automatic Identification System (AIS) datasets demonstrates our method's broad applicability across diverse scenarios, achieving significant improvements in both ADE and FDE. Furthermore, our method improves explainability by explicitly revealing the navigational intentions underlying each predicted trajectory.
• Abstract（参考訳）: 船舶軌道予測は、インテリジェント海洋システムの基本である。 この領域内では、複雑な海洋環境における迅速な行動変化の短期予測が、有望な研究領域としてマルチモーダル軌道予測(MTP)を確立している。 しかし,既存の船体MTP法は,限定的なシナリオ適用性と説明可能性の不足に悩まされている。 これらの課題に対処するために、説明可能なナビゲーション意図を組み込んだ統合MTPフレームワークを提案し、持続的および過渡的なカテゴリに分類する。 本手法は,グローバルなシナリオ整合性を維持するために,非局所的注意機構を用いながら,条件付き変分オートエンコーダ(CVAE)を用いて,歴史的軌跡から持続的意図木を構築し,動的過渡的意図をモデル化する。 実自動識別システム(AIS)データセットの実験では、さまざまなシナリオにまたがる手法の適用性を示し、ADEとFDEの両方で大幅な改善が達成されている。 さらに,提案手法は,予測軌道の根底にある航法意図を明確に明らかにすることにより,説明可能性を向上させる。

関連論文リスト

• STGDPM:Vessel Trajectory Prediction with Spatio-Temporal Graph Diffusion Probabilistic Model [0.0]
  船舶軌道予測は、海上交通の安全を確保し、衝突を避けるために重要な要素である。 船舶の挙動に固有の不確実性があるため、軌道予測システムは将来的な運動状態を正確にモデル化するためのマルチモーダルなアプローチを採用する必要がある。 本稿では, 容器の状態に依存する従来の集約型手法を置き換え, 動的グラフとしての相互作用のモデル化を提案する。
  論文  参考訳（メタデータ） (2025-03-11T05:50:27Z)
• Scene-Aware Explainable Multimodal Trajectory Prediction [15.58042746234974]
  説明可能な条件拡散に基づくマルチモーダル軌道予測(DMTP)モデルを提案する。 本モデルでは,マルチモーダルな軌道パターンを捉えるために条件拡散法を改良し,大域的特徴とシナリオ固有の特徴の意義を評価するためにシェープ値モデルを改良した。 実験により,本モデルが重要な入力の同定に優れ,精度でベースラインモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-10-22T08:17:33Z)
• DiffuTraj: A Stochastic Vessel Trajectory Prediction Approach via Guided Diffusion Process [23.42712306116432]
  船の操縦は、その固有の複雑さと不確定性によって特徴づけられ、船舶の軌道予測システムを必要とする。 従来の軌道予測法では, 容器運動の多モード性を表現するために潜伏変数を用いる。 我々は,不確実性から確実性への血管運動の遷移を明示的にシミュレートする。
  論文  参考訳（メタデータ） (2024-10-12T14:50:18Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• Multimodal Trajectory Prediction via Topological Invariance for Navigation at Uncontrolled Intersections [45.508973373913946]
  道路交差点において,信号機や信号機を使わずに複数の非通信的合理的エージェント間の分散ナビゲーションに着目した。 我々の重要な洞察は、交差点の幾何学的構造と、効率的に動くエージェントのインセンティブが衝突を避け(合理性)、起こりうる行動の空間を減少させるということである。 マルチエージェント交差点シーンにおける高次モードの軌道表現を再構成するデータ駆動型軌道予測機構であるMTPを設計する。
  論文  参考訳（メタデータ） (2020-11-08T02:56:42Z)

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。