从城市场景语义地图中学习人体运动的占据先验
机器人学
2021-02-18 v1
摘要
理解和预测人体活动是移动机器人、自动驾驶和视频监控中智能系统的一项重要能力。虽然利用现场采集的轨迹数据通过示范学习是发现重复运动模式的有力方法，但推广到难以便捷获取充足运动数据的新环境仍是一项挑战。然而在许多情况下，关于环境的语义信息对于预测行人运动或估计碰撞风险是高度 informative 的线索。在本工作中，我们仅以语义环境信息作为输入来推断人体运动的占据先验。为此，我们应用并讨论了一种传统的逆最优控制方法，并提出了一种基于卷积神经网络（CNN）的新方法来预测未来占据地图。我们的 CNN 方法为语义均匀地图区域生成灵活的上下文感知占据估计，并且即使在少量训练数据下也能很好地泛化。在合成与真实世界数据上的评估表明，与若干基线相比它展现出更优的结果，标志着语义环境评估的定性提升。
引用
@article{arxiv.2102.08745,
title = {Learning Occupancy Priors of Human Motion from Semantic Maps of Urban Environments},
author = {Andrey Rudenko and Luigi Palmieri and Johannes Doellinger and Achim J. Lilienthal and Kai O. Arras},
journal= {arXiv preprint arXiv:2102.08745},
year = {2021}
}
备注
8 pages, final pre-print version of the IEEE RA-L letter