論文の概要: MamMA: A Mamba-Based Pedestrian Trajectory Prediction Algorithm Considering Occupancy Map and Pedestrian Awareness States
- arxiv url: http://arxiv.org/abs/2609.08041v1
- Date: Mon, 07 Sep 2026 22:56:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.532224
- Title: MamMA: A Mamba-Based Pedestrian Trajectory Prediction Algorithm Considering Occupancy Map and Pedestrian Awareness States
- Title（参考訳）: MamMA: 職業地図と歩行者意識状態を考慮したマンバ型歩行者軌道予測アルゴリズム
- Authors: Juncen Long, Xiaofeng Jin, Gianluca Bardaro, Simone Mentasti, Matteo Matteucci,
- Abstract要約: MamMAは、占有地図と歩行者認識状態を考慮した歩行者軌跡予測アルゴリズムである。
最先端のアルゴリズムよりも平均変位誤差と最終変位誤差がよい。
- 参考スコア（独自算出の注目度）: 9.76077612954055
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many pedestrian trajectory prediction algorithms have been proposed to improve the safety of navigation for mobile robots working in human-robot coexistence environments. Some pedestrian trajectory prediction algorithms extract information about obstacles near pedestrians from top-down view images to improve the accuracy of trajectory prediction. However, mobile robots typically create local occupancy maps using LiDAR, rather than top-down view images. Meanwhile, the vision sensors on board robots provide egocentric view images, which contain fine-grained behavioral information about the pedestrians near the robot. To better use the information collected by LiDAR and on-board vision sensors, we propose MamMA, a Mamba-based pedestrian trajectory prediction algorithm considering occupancy maps and pedestrian awareness states. MamMA divides the occupancy map by patches and extracts obstacle features from each patch to create map features. Pedestrian awareness states are divided and considered, as some studies show that awareness states affect the perception and speed of pedestrians. Furthermore, a Mamba-based model is proposed to predict the future trajectories of pedestrians based on different types of features. Experiments on the STCrowd, SiT, JRDB, ETH, and UCY datasets show that MamMA achieves better average displacement error and final displacement error than the state-of-the-art algorithms.
- Abstract（参考訳）: 人ロボット共存環境における移動ロボットのナビゲーションの安全性を向上させるために,多くの歩行者軌道予測アルゴリズムが提案されている。
いくつかの歩行者軌道予測アルゴリズムは、歩行者付近の障害物に関する情報をトップダウン画像から抽出し、軌道予測の精度を向上させる。
しかし、モバイルロボットは通常、トップダウンのビューイメージではなく、LiDARを使ってローカルの占有マップを作成する。
一方、ロボットに搭載されている視覚センサーは、ロボットの近くの歩行者に関する詳細な行動情報を含む、エゴセントリックなビューイメージを提供する。
本稿では,LiDARと車載視覚センサが収集した情報をよりよく活用するために,マンバをベースとした歩行者軌跡予測アルゴリズムであるMamMAを提案する。
MamMAは、占有マップをパッチで分割し、各パッチから障害特徴を抽出し、マップ機能を作成する。
歩行者の認知状態が歩行者の知覚と速度に影響を与えることを示す研究があるので、歩行者の意識状態は分割され、考慮されている。
さらに,様々な特徴に基づいて歩行者の軌跡を予測するため,マンバに基づくモデルを提案する。
STCrowd, SiT, JRDB, ETH, UCYデータセットを用いた実験により, MamMAは最先端のアルゴリズムよりも平均変位誤差と最終変位誤差が優れていることが示された。
関連論文リスト
- TrajMamba: An Ego-Motion-Guided Mamba Model for Pedestrian Trajectory Prediction from an Egocentric Perspective [3.8807073304999355]
エゴセントリックな観点からの歩行者の将来の軌道予測は、自律運転やロボットナビゲーションといった分野における重要な課題である。
本研究では,マンバモデルに基づくエゴモーメント誘導軌道予測ネットワークを提案する。
提案モデルは,PIEおよびJAADデータセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2026-03-16T02:28:45Z) - TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。
我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。
レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
論文 参考訳（メタデータ） (2024-11-22T06:13:42Z) - Pedestrian motion prediction evaluation for urban autonomous driving [0.0]
我々は、従来の動き予測指標の妥当性を決定するために、提供されたオープンソースソリューションを用いて、選択した出版物を解析する。
この視点は、既存の最先端の歩行者運動予測問題の現実的なパフォーマンスを探している、自動運転やロボット工学の潜在的なエンジニアにとって価値があるだろう。
論文 参考訳（メタデータ） (2024-10-22T10:06:50Z) - Video Killed the HD-Map: Predicting Multi-Agent Behavior Directly From
Aerial Images [14.689298253430568]
本稿では,最小限のアノテーションを必要とする航空画像ベースマップ(AIM)の表現を提案し,歩行者や車両などの交通機関に道路状況情報を提供する。
以上の結果から,特にAIM表現を用いた歩行者の競合的マルチエージェント軌道予測性能が示された。
論文 参考訳（メタデータ） (2023-05-19T17:48:01Z) - Pedestrian 3D Bounding Box Prediction [83.7135926821794]
我々は、自動運転車の複雑な動きの詳細をモデル化せずに、人間の合理的な推定値である3Dバウンディングボックスに焦点を当てる。
本稿では, 歩行者の3次元境界ボックス予測のための, 単純かつ効果的なモデルを提案する。
この方法は、繰り返しニューラルネットワークに基づくエンコーダ・デコーダアーキテクチャに従う。
論文 参考訳（メタデータ） (2022-06-28T17:59:45Z) - 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) - PSI: A Pedestrian Behavior Dataset for Socially Intelligent Autonomous
Car [47.01116716025731]
本稿では、IUPUI-CSRC Pedestrian Situated Intent(PSI)データと呼ばれる別のベンチマークデータセットを提案し、共有する。
最初の新しいラベルは、24人のドライバーによって達成されたエゴ車両の前を歩行者が横断する動的な意図の変化である。
2つ目は、歩行者の意図を推定し、その行動を予測するときに、運転者の推論プロセスに関するテキストベースの説明である。
論文 参考訳（メタデータ） (2021-12-05T15:54:57Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳（メタデータ） (2021-01-07T06:08:21Z) - Pedestrian Intention Prediction: A Multi-task Perspective [83.7135926821794]
グローバルに展開するためには、自動運転車は歩行者の安全を保証する必要がある。
本研究は歩行者の意図と視覚状態を共同で予測することでこの問題を解決しようとするものである。
この方法はマルチタスク学習アプローチにおけるリカレントニューラルネットワークである。
論文 参考訳（メタデータ） (2020-10-20T13:42:31Z) - Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。
本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。
歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
論文 参考訳（メタデータ） (2020-02-20T18:50:44Z)
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。