基于可变意图滤波器与 Warp LSTM 的行人长期轨迹预测
机器人学
2021-06-22 v3 计算机视觉与模式识别
摘要
轨迹预测是机器人安全导航并与行人交互的关键能力之一。为了有效预测行人的长期行为，需要整合人类意图和行为模式的关键洞察。因此，我们提出了一种融合可变意图滤波器（Mutable Intention Filter）与 Warp LSTM（MIF-WLSTM）的框架，以同时估计人类意图并进行轨迹预测。可变意图滤波器受粒子滤波和遗传算法启发，其中粒子表示可在行人运动过程中发生变异的意图假设。我们的 Warp LSTM 不预测随时间变化的顺序位移，而是学习在由名义意图感知线性模型预测的完整轨迹上生成偏移量，该线性模型在滤波过程中考虑意图假设。通过在公开数据集上的实验，我们表明该方法优于基线方法，并证明了该方法在异常意图改变场景下的鲁棒性能。代码见 https://github.com/tedhuang96/mifwlstm。
引用
@article{arxiv.2007.00113,
title = {Long-term Pedestrian Trajectory Prediction using Mutable Intention Filter and Warp LSTM},
author = {Zhe Huang and Aamir Hasan and Kazuki Shin and Ruohua Li and Katherine Driggs-Campbell},
journal= {arXiv preprint arXiv:2007.00113},
year = {2021}
}
备注
Accepted by RA-L Special Issue on Long-Term Human Motion Prediction