多智能体轨迹中的动态关系推断
机器学习
2020-10-12 v2 机器学习
摘要
从多智能体轨迹中推断交互在物理学、视觉和机器人学中具有广泛的应用。神经关系推断（NRI）是一种深度生成模型，可以在没有监督的情况下推理复杂动态中的关系。在本文中，我们仔细审视了这种方法在多智能体轨迹关系推断中的应用。首先，我们发现NRI在没有足够长期观测的情况下可能受到根本限制。对于短输出序列，其准确推断交互的能力急剧下降。接下来，我们考虑当交互随时间变化时更一般的关系推断设置。我们提出了NRI的一个扩展，称为动态多智能体关系推断（DYARI）模型，该模型可以推理动态关系。我们进行了详尽的实验，以研究模型架构、底层动态和训练方案对使用模拟物理系统进行动态关系推断性能的影响。我们还展示了我们的模型在真实世界多智能体篮球轨迹上的使用。
引用
@article{arxiv.2007.13524,
title = {Dynamic Relational Inference in Multi-Agent Trajectories},
author = {Ruichao Xiao and Manish Kumar Singh and Rose Yu},
journal= {arXiv preprint arXiv:2007.13524},
year = {2020}
}
备注
submitted to ICLR 2021