OCTNet：基于过往经验在新环境中生成轨迹
机器人学
2019-09-26 v1 机器学习
摘要
能够在动态环境中安全运行较长时间是自主系统的关键能力。这通常涉及对周围动态实体（如车辆和行人）运动模式的预测与理解。文献中的许多运动预测方法可以学习一个函数，将位置和时间映射为人或其他动态实体可能采取的轨迹。然而，这些预测仅依赖于先前观测到的轨迹，并未显式考虑环境。在一个环境中获得的运动趋势通常特定于该环境，并未被用于更好地预测其他环境中的运动。在本文中，我们解决以环境（表示为占据栅格地图）为条件生成可能运动动态的问题。我们提出占据条件轨迹网络（OCTNet）框架，能够泛化在已知环境中观测到的运动，以在尚未观测到运动的全新环境中生成轨迹。OCTNet 将轨迹编码为固定大小的参数向量，并利用神经网络学习参数的条件分布。我们通过实验证明了我们的方法在不同环境中生成复杂多模态轨迹模式的能力。
引用
@article{arxiv.1909.11337,
title = {OCTNet: Trajectory Generation in New Environments from Past Experiences},
author = {Weiming Zhi and Tin Lai and Lionel Ott and Gilad Francis and Fabio Ramos},
journal= {arXiv preprint arXiv:1909.11337},
year = {2019}
}