一种用于增强人体运动预测的神经符号方法
人工智能
2023-04-25 v1
摘要
对人类所处上下文的推理对许多现实应用至关重要，尤其对那些部署自主系统（如机器人）的应用。本文中，我们提出一种用于上下文推理的新方法，以进一步推进人体运动预测领域。为此，我们提出一种用于人体运动预测的神经符号方法（NeuroSyM），其通过利用一种称为定性轨迹演算（QTC）的直观空间表示技术，对邻域中的交互赋予不同权重。所提方法使用两种前沿架构在中期与长期时间范围上进行实验测试，其中之一是人体运动预测的基线，另一个是通用多元时间序列预测的基线。测试采用了从固定与移动摄像头收集的六个具有挑战性的拥挤场景数据集。实验结果表明，NeuroSyM 方法在大多数情况下于预测精度上优于基线架构。
引用
@article{arxiv.2304.11740,
title = {A Neuro-Symbolic Approach for Enhanced Human Motion Prediction},
author = {Sariah Mghames and Luca Castri and Marc Hanheide and Nicola Bellotto},
journal= {arXiv preprint arXiv:2304.11740},
year = {2023}
}
备注
International Joint Conference on Neural Networks (IJCNN), 2023