論文の概要: Comparing Utility of Inertial, Occupancy, Semantic, and Intent Information in Human Motion Prediction During Daily Tasks

• arxiv url: http://arxiv.org/abs/2609.37971v1
• Date: Tue, 29 Sep 2026 16:38:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.749784
• Title: Comparing Utility of Inertial, Occupancy, Semantic, and Intent Information in Human Motion Prediction During Daily Tasks
• Title（参考訳）: 日常業務における人間行動予測における慣性・職業・意味・情報の有用性の比較
• Abstract要約: 室内動作予測における情報ソースの相対的重要性を人体運動拡散モデルを用いて評価する。 定速ベースラインを超える42%の改善を実証した。 セマンティックな情報は屋内での動作予測に有用であるが、屋外ナビゲーションよりも少ない程度に有用であることが判明した。 意図の数少ない指標である視線固定は、特に減速を予測するのに有用であることが判明した。
• 参考スコア（独自算出の注目度）: 2.2364171814102476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate human motion prediction is crucial for robotic systems operating around people, particularly in complex indoor spaces. In this study, we assess the relative importance of different sources of information in indoor motion prediction with a human motion diffusion model. We collected a dataset of nine naive human subjects conducting simulated indoor daily activities while wearing a pair of Meta Aria glasses. This dataset includes ten buildings from a university campus, and encompasses 238 minutes of navigation between daily tasks. Overall, we demonstrate a 42% improvement beyond a constant velocity baseline. Including body motion, scene representation, and eye gaze fixation data significantly reduced prediction error. Semantic information was found to be useful for indoor motion prediction, but to a lesser degree than in outdoor navigation. Providing explicit intent information reduced error beyond any other addition, suggesting that incorporating explicit intent estimation or user input are fundamental for finer prediction of indoor motion. One of the few indicators of intent, eye gaze fixation, was found to be especially useful in predicting deceleration, and provided basic spatial information to the model in the absence of an occupancy map. These results are a first step towards predicting human motion in highly ambiguous indoor scenarios. Code will be made public upon acceptance. Project page: https://human-motion-diffusion.github.io/
• Abstract（参考訳）: 人間の動きの正確な予測は、人間を取り巻くロボットシステム、特に複雑な屋内空間において重要である。 本研究では,室内動作予測における情報ソースの相対的重要性を人間の動き拡散モデルを用いて評価する。 そこで我々は,Meta Ariaメガネを装着しながら,室内での日常活動のシミュレーションを行う9人のナイーブ被験者のデータセットを収集した。 このデータセットには、大学のキャンパスから10の建物が含まれており、毎日のタスク間のナビゲーションに238分かかる。 全体として、一定の速度ベースラインを超える42%の改善を実証する。 体の動き,シーン表現,視線固定データを含むと予測誤差は有意に減少した。 セマンティックな情報は屋内での動作予測に有用であるが、屋外ナビゲーションよりも少ない程度に有用であることが判明した。 明示的な意図情報を提供することで、他の追加以上の誤差を低減し、明示的な意図推定やユーザ入力を組み込むことが、屋内動作のより詳細な予測に不可欠であることを示唆している。 意図の数少ない指標の1つは、目視の固定であり、特に減速を予測するのに有用であることが判明し、占有地図がないときにモデルに基本的な空間情報を提供した。 これらの結果は、高度にあいまいな屋内シナリオにおける人間の動きを予測するための第一歩である。 コードは受理時に公表される。 プロジェクトページ: https://human-motion-diffusion.github.io/

関連論文リスト

• LookOut: Real-World Humanoid Egocentric Navigation [61.14016011125957]
  本稿では,エゴセントリックな映像から将来の6Dヘッドポーズの列を予測するという課題を紹介する。 この課題を解決するために,時間的に集約された3次元潜伏特徴を考慮に入れた枠組みを提案する。 この分野のトレーニングデータが不足していることから,このアプローチを通じて収集されたデータセットを提示する。
  論文  参考訳（メタデータ） (2025-08-20T06:43:36Z)
• UPTor: Unified 3D Human Pose Dynamics and Trajectory Prediction for Human-Robot Interaction [0.688204255655161]
  本研究では,グローバル座標フレームにおける全体ポーズと軌道キーポイントの予測手法を提案する。 我々は、市販の3次元ポーズ推定モジュール、グラフアテンションネットワーク、コンパクトで非自己回帰的なトランスフォーマーを使用する。 従来の研究と比較して、我々のアプローチはコンパクトでリアルタイムであり、全てのデータセットにわたる人間のナビゲーション動作を予測する上で正確であることを示す。
  論文  参考訳（メタデータ） (2025-05-20T19:57:25Z)
• Causality-Aware Next Location Prediction Framework based on Human Mobility Stratification [8.617901269321218]
  本研究では,旅行パターンの移動性に着目した,次の位置予測のための因果認識フレームワークを提案する。 提案するフレームワークは,複数の次の位置予測パラダイムを統合するプラグイン・アンド・プレイモジュールとして設計されている。
  論文  参考訳（メタデータ） (2025-03-23T19:30:24Z)
• Towards Practical Human Motion Prediction with LiDAR Point Clouds [15.715130864327792]
  我々は,最初のシングルLiDARに基づく3次元人体動作予測手法であるtextitLiDAR-HMPを提案する。 LiDAR-HMPは、入力として生のLiDARポイントクラウドを受け取り、将来の3D人間のポーズを直接予測する。 提案手法は,2つの公開ベンチマーク上での最先端性能を実現し,実世界の展開において顕著な堅牢性と有効性を示す。
  論文  参考訳（メタデータ） (2024-08-15T15:10:01Z)
• Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
  Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。 提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
  論文  参考訳（メタデータ） (2023-12-26T18:56:49Z)
• Adaptive Human Trajectory Prediction via Latent Corridors [49.13061580045407]
  シーン固有の適応軌道予測の問題を定式化する。 本稿では,潜伏回廊と呼ばれる即時チューニングにインスパイアされた新しい適応手法を提案する。 0.1%の追加モデルパラメータでは、MOTシンスシミュレーションデータの改善が23.9%、MOTおよびワイルドトラックにおけるADEが16.4%となる。
  論文  参考訳（メタデータ） (2023-12-11T18:59:12Z)
• GIMO: Gaze-Informed Human Motion Prediction in Context [75.52839760700833]
  本研究では、高品質なボディポーズシーケンス、シーンスキャン、目視によるエゴ中心のビューを提供する大規模な人体動作データセットを提案する。 私たちのデータ収集は特定のシーンに縛られません。 視線の全可能性を実現するために,視線と運動枝の双方向通信を可能にする新しいネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-04-20T13:17:39Z)
• 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。