論文の概要: Trajeform: Embedding Crowd Data

• arxiv url: http://arxiv.org/abs/2610.39563v1
• Date: Thu, 29 Oct 2026 08:02:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.478305
• Title: Trajeform: Embedding Crowd Data
• Title（参考訳）: Trajeform: 群衆データを埋め込む
• Abstract要約: 群衆シミュレーションは、周囲の環境に対して、豊かで自然で適切なエージェント行動を生成することを目的としている。 機械学習の最近の進歩により、こうした行動パターンは軌道データから直接学習できるようになった。 本稿では,現実の軌跡データに基づく再構成VAE(Variational Autoencoder)を学習し,意味のある連続的な埋め込みを学習するフレームワークであるTrajeformを提案する。
• 参考スコア（独自算出の注目度）: 1.4681690787310104
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Crowd simulation aims to generate agent behaviours that are rich, natural, and appropriate to their surrounding environment. Recent advances in Machine Learning have enabled such behavioural patterns to be learned directly from trajectory data, allowing simulation models to capture increasingly complex crowd dynamics. However, the capabilities of these systems remain strongly dependent on the type and diversity of the data used during training. When evaluating how well crowd simulators generalise to real-world datasets, most existing metrics focus primarily on trajectory-level differences rather than behaviour-level similarity. In this paper, we present Trajeform, a framework that trains a reconstruction VAE (Variational Autoencoder) on real trajectory data to learn a meaningful continuous embedding that preserves behavioural characteristics of real crowds. The trained encoder can then be applied to synthetic trajectories generated by simulators and used to compare the resulting embedding distributions. Additionally, the learned embedding can be used to analyse supplementary data, such as trajectories corresponding to a simulator's principal behaviours or captured data from controlled environments (e.g., cycling), providing insight into their ability to span the real behavioural embedding space. The framework compares data from three simulators (CCP, modCCP, and RVO) against ground-truth datasets and is evaluated quantitatively and qualitatively using latent-space analysis, distributional metrics, and trajectory generation through sampling from the aggregated posterior distribution. The results indicate that the learned latent space captures meaningful trajectory dependencies found in the real data, making the framework useful both as an additional measure of synthetic data believability and as a tool for informing the training of future trajectory models.
• Abstract（参考訳）: 群衆シミュレーションは、周囲の環境に対して、豊かで自然で適切なエージェント行動を生成することを目的としている。 機械学習の最近の進歩により、こうした行動パターンは軌道データから直接学習することが可能になり、シミュレーションモデルはますます複雑な群衆のダイナミクスを捉えることができる。 しかしながら、これらのシステムの能力は、トレーニング中に使用されるデータのタイプと多様性に強く依存している。 群衆シミュレータが現実のデータセットにどのように一般化するかを評価する際、既存の指標のほとんどは、行動レベルの類似性よりも軌道レベルの相違に重点を置いている。 本稿では,現実の群衆の行動特性を保存した意味のある連続的な埋め込みを学習するために,現実の軌跡データ上に再構成VAE(Variational Autoencoder)を訓練するフレームワークであるTrajeformを提案する。 訓練されたエンコーダは、シミュレータによって生成された合成軌道に適用され、その結果の埋め込み分布を比較するために使用される。 さらに、学習された埋め込みは、シミュレータの主動作に対応する軌跡や、制御された環境(サイクリングなど)から取得したデータなど、補助的なデータを分析するために使用することができ、実際の振る舞いの埋め込み空間にまたがるそれらの能力に関する洞察を与えることができる。 このフレームワークは, 3つのシミュレータ (CCP, modCCP, RVO) から得られたデータと地中構造データセットを比較し, 集約後分布からのサンプリングによる潜在空間解析, 分布指標, 軌跡生成を用いて定量的に定量的に評価する。 その結果,学習した潜在空間は実データに含まれる有意義な軌道依存を捕捉し,このフレームワークを合成データの信頼性の付加的な尺度として,また将来の軌道モデルの訓練を報知するためのツールとして有用であることがわかった。

関連論文リスト

• HD-GEN: A High-Performance Software System for Human Mobility Data Generation Based on Patterns of Life [1.9739979974462676]
  大規模な個人レベルの人体移動データセットの校正、生成、処理、可視化のための包括的ソフトウェアパイプラインを導入する。 データ生成エンジンは、OpenStreetMapデータを用いて地理的に接地されたシミュレーションを構築する。 遺伝的アルゴリズムに基づくキャリブレーションモジュールの微調整パラメータは、実世界の移動特性に適合する。 データ処理スイートは、生のシミュレーションログを下流アプリケーションに適した構造化フォーマットに変換する。
  論文  参考訳（メタデータ） (2026-01-03T16:01:00Z)
• Pathlet Variational Auto-Encoder for Robust Trajectory Generation [16.26294619946259]
  軌道生成は近年,プライバシ保護型都市モビリティ研究や位置情報サービスアプリケーションへの関心が高まっている。 本稿では,パスレット表現に基づく深層生成モデルを提案する。このモデルでは,トラジェクトリセグメントの学習辞書に関連付けられた2進ベクトルでトラジェクトリを符号化する。 我々のモデルは、ノイズの多いデータを使ってデータ分散を効果的に学習することができ、2つの現実世界の軌道データセットの強いベースラインに対して、35.4%と26.3%の相対的な改善を実現している。
  論文  参考訳（メタデータ） (2025-11-20T06:57:27Z)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
  本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。 まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。 このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
  論文  参考訳（メタデータ） (2024-06-21T13:48:37Z)
• ALP: Action-Aware Embodied Learning for Perception [60.64801970249279]
  認知のための行動認識型身体学習(ALP)について紹介する。 ALPは、強化学習ポリシーと逆ダイナミクス予測目標を最適化することにより、行動情報を表現学習に組み込む。 ALPは、複数の下流認識タスクにおいて、既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T21:51:04Z)
• Development of a Realistic Crowd Simulation Environment for Fine-grained Validation of People Tracking Methods [0.7223361655030193]
  この研究は、群衆シミュレーションの拡張(CrowdSim2)を開発し、人追跡アルゴリズムの適用性を証明する。 シミュレータは非常に人気のあるUnity 3Dエンジンを使用して開発されており、特に環境におけるリアリズムの側面に焦点を当てている。 IOU-Tracker、Deep-Sort、Deep-TAMAという3つのトラッキング手法が生成されたデータセットの検証に使用された。
  論文  参考訳（メタデータ） (2023-04-26T09:29:58Z)
• Learning to Simulate Realistic LiDARs [66.7519667383175]
  リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。 本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。 我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
  論文  参考訳（メタデータ） (2022-09-22T13:12:54Z)
• TrajGen: Generating Realistic and Diverse Trajectories with Reactive and Feasible Agent Behaviors for Autonomous Driving [19.06020265777298]
  既存のシミュレーターは、背景車両のシステムに基づく行動モデルに依存しており、現実のシナリオにおける複雑なインタラクティブな振る舞いを捉えることはできない。 そこで我々は,人間の実演からより現実的な行動を直接捉えることができる2段階の軌道生成フレームワークであるTrajGenを提案する。 また,データ駆動型シミュレータI-Simを開発した。
  論文  参考訳（メタデータ） (2022-03-31T04:48:29Z)
• Validation of Simulation-Based Testing: Bypassing Domain Shift with Label-to-Image Synthesis [9.531148049378672]
  本稿では,異なる転送可能性尺度とともに生成ラベル-画像合成モデルからなる新しいフレームワークを提案する。 シーンを駆動するセマンティックセグメンテーションタスクにおいて,本手法を実証的に検証する。 後者は実生活と合成テストを区別できるが、前者は自動車と歩行者の両方で0.7の驚くほど強い相関関係を観察する。
  論文  参考訳（メタデータ） (2021-06-10T07:23:58Z)

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。