从个体轨迹增量学习环境交互结构
机器学习
2019-09-10 v1 机器学习
摘要
本工作提出一种新方法，用于估计未知静态物体对移动智能体可能施加的影响。由于智能体的运动会受到固定物体存在的影响，可利用轨迹偏移信息推断障碍物的存在并估计场景中涉及的力。人工神经网络用于估计与影响移动智能体的速度场相关的非参数函数。所提方法能够增量学习受监控环境中外部静态物体引起的速度场，判定物体具有排斥或吸引影响，并估计其位置与大小。由于假设平稳性（即力场的时间不变性），习得的观测模型可用作先验知识，以分层估计场景中新物体的属性。
引用
@article{arxiv.1909.03980,
title = {Incremental learning of environment interactive structures from trajectories of individuals},
author = {Damian Campo and Vahid Bastani and Lucio Marcenaro and Carlo Regazzoni},
journal= {arXiv preprint arXiv:1909.03980},
year = {2019}
}