面向多目标对抗跟踪的扩散模型
机器人学
2024-01-15 v2 机器学习
多智能体系统
摘要
目标跟踪在真实场景中起着关键作用，尤其在禁毒拦截中，对抗目标的位置信息往往有限。改进自主跟踪系统将使无人 aerial、水面和水下航行器能更好地协助拦截使用载人水面、半潜和水面航行器的走私者。随着无人机的激增，精确的自主目标估计对安全和保障更为关键。本文提出基于约束智能体的扩散以增强多智能体跟踪（CADENCE），一种旨在通过利用过去稀疏状态信息生成对抗者位置全面预测的方法。为评估该方法有效性，我们在单目标和多目标追踪环境中评估预测，采用扩散模型的蒙特卡洛采样估计每条生成轨迹相关的概率。我们提出一种新颖的基于交叉注意力的扩散模型，利用基于约束的采样生成多模态跟踪假设。我们的单目标模型在所有时间范围的预测平均位移误差（ADE）上超越所有基线方法性能。
引用
@article{arxiv.2307.06244,
title = {Diffusion Models for Multi-target Adversarial Tracking},
author = {Sean Ye and Manisha Natarajan and Zixuan Wu and Matthew Gombolay},
journal= {arXiv preprint arXiv:2307.06244},
year = {2024}
}