論文の概要: Social-Mamba: Socially-Aware Trajectory Forecasting with State-Space Models

• arxiv url: http://arxiv.org/abs/2605.15424v1
• Date: Thu, 14 May 2026 21:16:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 03:45:13.14182
• Title: Social-Mamba: Socially-Aware Trajectory Forecasting with State-Space Models
• Title（参考訳）: Social-Mamba: 状態空間モデルによる社会的に認識された軌跡予測
• Authors: Po-Chien Luan, Wuyang Li, Yang Gao, Alexandre Alahi,
• Abstract要約: ソーシャル・マンバ(Social-Mamba)は、社会的相互作用を構造化されたシーケンシャルなプロセスとして再構築する予測アーキテクチャである。 Social-Mambaは、エゴセントリックなグリッド上でエージェントを組織し、社会的三重項分解を導入する。 5つの軌道予測ベンチマークの実験は、Social-Mambaが最先端の精度を達成していることを示している。
• 参考スコア（独自算出の注目度）: 81.44955493339835
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human trajectory forecasting is crucial for safe navigation in crowded environments, requiring models that balance accuracy with computational efficiency. Efficiently modeling social interactions is key to performance in dense crowds. Yet, most recent methods rely on attention mechanisms, which are effective at capturing complex dependencies, but incur quadratic computational costs that scale poorly with the growing number of neighbors. Recently, Selective State-Space Models have provided a linear-time alternative; however, their inherently sequential design is misaligned with the unstructured and dynamic nature of social interactions. To address this challenge, we propose Social-Mamba, a forecasting architecture that reformulates social interactions as structured sequential processes. At its core is the Cycle Mamba block, a novel module that enables continuous bidirectional information flow. Social-Mamba organizes agents on an egocentric grid and introduces social triplet factorization, which decomposes interactions into temporal, egocentric, and goal-centric scans. These are dynamically integrated through a learnable social gate and global scan to generate accurate and efficient trajectory predictions. Extensive experiments on five trajectory forecasting benchmarks show that Social-Mamba achieves state-of-the-art accuracy while offering superior parameter efficiency and computational scalability. Furthermore, embedding Social-Mamba into a flow-matching framework further enhances both accuracy and efficiency, establishing it as a flexible and robust foundation for future trajectory forecasting research. The code is publicly available: https://github.com/vita-epfl/Social-Mamba
• Abstract（参考訳）: 混み合った環境での安全なナビゲーションには人間の軌道予測が不可欠であり、精度と計算効率のバランスをとるモデルが必要である。 社会的相互作用を効果的にモデル化することは、密集した群衆におけるパフォーマンスの鍵となる。 しかし、近年の手法は、複雑な依存関係を捉えるのに効果的な注意機構に依存しているが、隣人の増加とともにスケールが低下する2次計算コストは低い。 近年、選択的状態空間モデル(Selective State-Space Models)は、線形時間的な代替手段を提供しているが、その本質的にシーケンシャルな設計は、社会的相互作用の非構造的・動的性質と不一致である。 この課題に対処するために,社会的相互作用を構造化された逐次過程として再構成する予測アーキテクチャであるSocial-Mambaを提案する。 中心となるのはCycle Mambaブロックであり、これは連続的な双方向情報フローを可能にする新しいモジュールである。 ソーシャル・マンバ(Social-Mamba)は、エゴセントリックグリッド上のエージェントを組織し、相互作用を時間的、エゴセントリック、ゴール中心のスキャンに分解する社会三重項分解を導入する。 これらは学習可能なソーシャルゲートとグローバルスキャンを通じて動的に統合され、正確で効率的な軌道予測を生成する。 5つの軌道予測ベンチマークの大規模な実験は、Social-Mambaがパラメータ効率と計算のスケーラビリティを向上しつつ、最先端の精度を実現していることを示している。 さらに、Social-Mambaをフローマッチングフレームワークに組み込むことにより、精度と効率が向上し、将来の軌道予測研究の柔軟で堅牢な基盤として確立される。 コードは https://github.com/vita-epfl/Social-Mamba で公開されている。

関連論文リスト

• DynamiX: Large-Scale Dynamic Social Network Simulator [101.65679342680542]
  DynamiXは、動的ソーシャルネットワークモデリングに特化した新しい大規模ソーシャルネットワークシミュレータである。 世論のリーダーに対しては、情報ストリームに基づくリンク予測手法を提案し、同様の姿勢で潜在的ユーザを推薦する。 一般ユーザに対しては,不等式指向の行動決定モジュールを構築する。
  論文  参考訳（メタデータ） (2025-07-26T12:13:30Z)
• 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)
• 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)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)

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。