BiTraP：基于多模态目标估计的双向行人轨迹预测
计算机视觉与模式识别
2020-11-17 v2 机器人学
摘要
行人轨迹预测是自动驾驶和机器人导航等机器人应用中的一项基本任务。最先进的轨迹预测器使用带循环神经网络 (RNNs) 的条件变分自编码器 (CVAE) 来编码观测轨迹并解码多模态未来轨迹。该过程在较长预测时域（>=2 秒）下会受累积误差影响。本文提出 BiTraP，一种基于 CVAE 的以目标为条件的双向多模态轨迹预测方法。BiTraP 估计轨迹的目标（终点）并引入一种新颖的双向解码器以提升长期轨迹预测精度。大量实验表明，BiTraP 可泛化至第一人称视角 (FPV) 和鸟瞰视角 (BEV) 场景，并以约 10-50% 的优势超越最先进结果。我们还表明，CVAE 中非参数与参数化目标模型的不同选择直接影响预测的多模态轨迹分布。这些结果为自动驾驶避让和导航系统等机器人应用中的轨迹预测器设计提供了指导。
引用
@article{arxiv.2007.14558,
title = {BiTraP: Bi-directional Pedestrian Trajectory Prediction with Multi-modal Goal Estimation},
author = {Yu Yao and Ella Atkins and Matthew Johnson-Roberson and Ram Vasudevan and Xiaoxiao Du},
journal= {arXiv preprint arXiv:2007.14558},
year = {2020}
}
备注
Main paper: 8 pages, 5 figures, 5 tables Supplement: 4 pages, 2 figrues, 3 tables