EqMotion：具有不变交互推理的等变多智能体运动预测
计算机视觉与模式识别
2023-03-28 v2 多智能体系统
摘要
学习通过关系推理预测智能体运动对许多应用十分重要。在运动预测任务中，保持欧几里得几何变换下的运动等变性与智能体交互的不变性是一项关键且基础的原则。然而，此类等变与不变性质被大多数现有方法所忽视。为填补这一空白，我们提出 EqMotion，一种具有不变交互推理的高效等变运动预测模型。为实现运动等变性，我们提出等变几何特征学习模块，通过专门的等变操作设计学习可欧几里得变换的特征。为推理智能体交互，我们提出不变交互推理模块以实现更稳定的交互建模。为进一步促进更全面的动作特征，我们提出不变模式特征学习模块以学习不变模式特征，其与等变几何特征协作以增强网络表达能力。我们在四个不同场景上对所提模型进行实验：粒子动力学、分子动力学、人体骨架运动预测及行人轨迹预测。实验结果表明，我们的方法不仅普遍适用，而且在全部四项任务上均达到最先进的预测性能，分别提升 24.0/30.1/8.6/9.2%。代码见 https://github.com/MediaBrain-SJTU/EqMotion。
引用
@article{arxiv.2303.10876,
title = {EqMotion: Equivariant Multi-agent Motion Prediction with Invariant Interaction Reasoning},
author = {Chenxin Xu and Robby T. Tan and Yuhong Tan and Siheng Chen and Yu Guang Wang and Xinchao Wang and Yanfeng Wang},
journal= {arXiv preprint arXiv:2303.10876},
year = {2023}
}
备注
Accepted to CVPR 2023