ForceFormer：融合社会力与 Transformer 的行人轨迹预测
计算机视觉与模式识别
2023-02-16 v1 多智能体系统
机器人学
摘要
在高度交互场景中基于目标信息预测行人轨迹是迈向智能交通系统与自动驾驶的关键一步。该任务的挑战来自两个关键方面：（1）高行人密度场景下复杂的社会交互，以及（2）目标信息有限利用，无法有效与历史运动信息关联。为应对这些困难，我们将社会力整合进基于 Transformer 的随机生成模型主干，并提出一种名为 ForceFormer 的基于目标的新轨迹预测器。与多数先前工作简单地将目的地位置用作输入特征不同，我们利用来自目的地的驱动力高效模拟目标对行人的引导。此外，排斥力被用作另一输入特征以描述相邻行人间的避让行为。大量实验表明，我们提出的方法在距离误差上达到与最先进模型相当的性能，但明显减少了碰撞，尤其是在广泛使用的行人数据集中的密集行人场景。
引用
@article{arxiv.2302.07583,
title = {ForceFormer: Exploring Social Force and Transformer for Pedestrian Trajectory Prediction},
author = {Weicheng Zhang and Hao Cheng and Fatema T. Johora and Monika Sester},
journal= {arXiv preprint arXiv:2302.07583},
year = {2023}
}