基于几何图神经网络建模人群环境中的人类互动
机器学习
2024-10-24 v1 人工智能
计算机视觉与模式识别
机器人学
系统与控制
系统与控制
摘要
在人群环境中建模人类轨迹具有挑战性，due to 人群行为和互动的复杂性。本文提出了一种几何图神经网络（GNN）架构，将心理学研究中的领域知识整合进以人类互动为核心进行预测。与以往使用完全图的方法不同，我们利用行驶域、运动方向和基于距离的核函数来定义互动邻域，从而构建人群的图表示。跨多个数据集的评估表明，通过减少平均位移误差和最终位移误差指标，实现了预测准确率的提升。我们的发现强调了将领域知识与数据驱动方法相结合对于有效建模人群中的人类互动的重要性。
引用
@article{arxiv.2410.17409,
title = {Geometric Graph Neural Network Modeling of Human Interactions in Crowded Environments},
author = {Sara Honarvar and Yancy Diaz-Mercado},
journal= {arXiv preprint arXiv:2410.17409},
year = {2024}
}
备注
\c{opyright} 2024 the authors. This work has been accepted to IFAC for publication under a Creative Commons Licence CC-BY-NC-ND