論文の概要: Chatting about Conditional Trajectory Prediction

• arxiv url: http://arxiv.org/abs/2604.18126v1
• Date: Mon, 20 Apr 2026 11:44:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.839571
• Title: Chatting about Conditional Trajectory Prediction
• Title（参考訳）: 条件軌道予測の座談会
• Authors: Yuxiang Zhao, Wei Huang, Haipeng Zeng, Huan Zhao, Yujie Song,
• Abstract要約: 条件付き軌道予測(CiT)のためのクロス時間領域意図対話法を提案する。 提案したCitは、時間とともに行動意図を共同で分析し、異なる時間領域における情報補完と統合を実現する。 さらに、CitTはロボットの動き計画と制御モジュールと密に統合し、任意の軌道予測結果を生成するように設計されている。
• 参考スコア（独自算出の注目度）: 9.783060985404386
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human behavior has the nature of mutual dependencies, which requires human-robot interactive systems to predict surrounding agents trajectories by modeling complex social interactions, avoiding collisions and executing safe path planning. While there exist many trajectory prediction methods, most of them do not incorporate the own motion of the ego agent and only model interactions based on static information. We are inspired by the humans theory of mind during trajectory selection and propose a Cross time domain intention-interactive method for conditional Trajectory prediction(CiT). Our proposed CiT conducts joint analysis of behavior intentions over time, and achieves information complementarity and integration across different time domains. The intention in its own time domain can be corrected by the social interaction information from the other time domain to obtain a more precise intention representation. In addition, CiT is designed to closely integrate with robotic motion planning and control modules, capable of generating a set of optional trajectory prediction results for all surrounding agents based on potential motions of the ego agent. Extensive experiments demonstrate that the proposed CiT significantly outperforms the existing methods, achieving state-of-the-art performance in the benchmarks.
• Abstract（参考訳）: 人間の行動は相互依存の性質を持ち、複雑な社会的相互作用をモデル化し、衝突を避け、安全な経路計画を実行することで、周囲のエージェントの軌道を予測するために人間とロボットの対話システムを必要とする。 多くの軌道予測法が存在するが、そのほとんどは、エゴエージェントの独自の動きと、静的情報に基づくモデル相互作用のみを組み込んでいない。 我々は、軌道選択中の人間の心の理論に触発され、条件付き軌道予測(CiT)のためのクロス時間領域意図的相互作用法を提案する。 提案したCitは、時間とともに行動意図を共同で分析し、異なる時間領域における情報の相補性と統合を実現する。 自己の時間領域における意図を、他方の時間領域からの社会的相互作用情報により補正し、より正確な意図表現を得る。 さらに、CitTはロボットの動き計画と制御モジュールと密に統合され、エゴエージェントの潜在的な動きに基づいて、周囲のエージェントに対してオプションの軌道予測結果を生成することができる。 大規模な実験により、提案したCitは既存の手法を著しく上回り、ベンチマークで最先端のパフォーマンスを達成した。

関連論文リスト

• ILNet: Trajectory Prediction with Inverse Learning Attention for Enhancing Intention Capture [4.190790144182306]
  人間のドライバーは、車両を取り巻く意図に関する仮定に基づいて、初期運転決定を動的に調整することが認められている。 Inverse Learning (IL) attentionとDynamic Anchor SelectionDAS (DAS) moduleを用いたマルチエージェント軌道予測手法であるILNetを提案する。 実験の結果,ILNet はInterAction と Argoverse の動作予測データセット上で,最先端の性能を達成していることがわかった。
  論文  参考訳（メタデータ） (2025-07-09T04:18:01Z)
• 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)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous Driving [57.89801036693292]
  PPAD(Iterative Interaction of Prediction and Planning Autonomous Driving)は、予測と計画のより良い統合を目的とした、タイムステップワイドなインタラクションである。 我々は,階層的動的キーオブジェクトに着目したego-to-agent,ego-to-map,ego-to-BEVインタラクション機構を設計し,インタラクションをモデル化する。
  論文  参考訳（メタデータ） (2023-11-14T11:53:24Z)
• RAIN: Reinforced Hybrid Attention Inference Network for Motion Forecasting [34.54878390622877]
  本稿では,ハイブリットアテンション機構に基づく動的キー情報の選択とランク付けを行う汎用的な動き予測フレームワークを提案する。 このフレームワークは、マルチエージェント軌道予測と人間の動き予測タスクを処理するためにインスタンス化される。 我々は,異なる領域における合成シミュレーションと運動予測ベンチマークの両方について,その枠組みを検証した。
  論文  参考訳（メタデータ） (2021-08-03T06:30:30Z)
• Robust Trajectory Forecasting for Multiple Intelligent Agents in Dynamic Scene [11.91073327154494]
  動的シーンにおける複数エージェントのロバストな軌道予測手法を提案する。 提案手法は予測精度の点で最先端の予測手法より優れている。
  論文  参考訳（メタデータ） (2020-05-27T02:32:55Z)
• 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)
• 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。