IA-LSTM：用于行人轨迹预测的交互感知LSTM
计算机视觉与模式识别
2024-01-26 v2 人工智能
摘要
在自动驾驶或自主移动机器人领域，预测人群中行人的轨迹不可或缺，因为估计周围行人的未来位置有助于策略决策以避免碰撞。这是一个具有挑战性的问题，因为人类具有不同的行走运动，且当前环境中人与物体之间（尤其是人与人之间）的交互复杂。先前的研究者专注于如何建模人-人交互，却忽视了交互的相对重要性。为解决此问题，引入了一种基于相关熵的新机制。所提机制不仅能度量人-人交互的相对重要性，还能为每个行人构建个人空间。进一步提出了包含该数据驱动机制的交互模块。在该模块中，数据驱动机制可有效提取场景中动态人-人交互的特征表示，并计算相应权重以表示不同交互的重要性。为在行人间共享此类社交信息，设计了一种基于长短期记忆网络的交互感知轨迹预测架构。在两个公开数据集上进行了实验。实验结果表明，我们的模型相比几种性能良好的最新方法能取得更优性能。
引用
@article{arxiv.2311.15193,
title = {IA-LSTM: Interaction-Aware LSTM for Pedestrian Trajectory Prediction},
author = {Yuehai Chen},
journal= {arXiv preprint arXiv:2311.15193},
year = {2024}
}