G-PECNet：面向可泛化行人轨迹预测系统
人工智能
2024-04-02 v3 计算机视觉与模式识别
机器学习
机器人学
摘要
在不阻碍或损害人类资产的情况下导航动态物理环境，对社会机器人而言至关重要。本工作中，我们采用深度生成模型解决了自主无人机导航的一个子问题，即预测域外人类与智能体轨迹。我们的方法：General-PECNet 或 G-PECNet，通过受周期激活函数启发的架构改进以及使用隐马尔可夫模型 (HMMs) 与强化学习 (RL) 的合成轨迹（数据）增强相结合，在 2020 年基准 PECNet 的最终位移误差 (FDE) 上取得了 9.5% 的提升。此外，我们提出了一种受简单几何启发的轨迹非线性与离群点检测度量，对该任务有所帮助。代码见 https://github.com/Aryan-Garg/PECNet-Pedestrian-Trajectory-Prediction.git
引用
@article{arxiv.2210.09846,
title = {G-PECNet: Towards a Generalizable Pedestrian Trajectory Prediction System},
author = {Aryan Garg and Renu M. Rameshan},
journal= {arXiv preprint arXiv:2210.09846},
year = {2024}
}
备注
Notable ICLR Tiny Paper 2024