基于迭代注意力模块的条件化行人轨迹预测
机器人学
2022-06-30 v1 人工智能
摘要
人体运动预测是理解社会环境的关键，在机器人、监控等方面有直接应用。我们提出了一种简单而有效的行人轨迹预测模型，旨在预测城市类环境中受环境（地图与周围智能体）条件的行人位置。我们的模型是一种基于神经网络的架构，能以迭代顺序方式运行若干层注意力模块与 transformers，从而捕捉环境中改善预测的重要特征。我们表明，在不显式引入社交掩码、动力学模型、社交池化层或复杂图结构的情况下，仍可能产生与 SoTA 模型相当的结果，这使得我们的方法易于扩展与配置，取决于可用数据。我们报告了在公开且广泛使用的单模态预测指标 ADE 和 FDE 的数据集上与 SoTA 模型表现相似的结果。
引用
@article{arxiv.2206.14442,
title = {Conditioned Human Trajectory Prediction using Iterative Attention Blocks},
author = {Aleksey Postnikov and Aleksander Gamayunov and Gonzalo Ferrer},
journal= {arXiv preprint arXiv:2206.14442},
year = {2022}
}