面向行人跟踪的离线专家在线残差学习

本文考虑预测未知目标的问题，我们提出了一种名为 Online Residual Learning (ORL) 的方法，将在线自适应与离线训练预测相结合。在次级层面，我们利用在预测时序之前或一开始生成的多个离线预测。我们通过递归最小二乘算法在线学习它们相对于真实目标状态的各自残差误差。在次级层面，我们将增广后的次级预测器视为专家，采用 Prediction with Expert Advice 框架。我们利用自适应 softmax 加权方案形成聚合预测，并为 ORL 在 regret 方面提供保证。我们将 ORL 应用于在线行人轨迹预测。基于斯坦福无人机数据集的数据，我们展示 ORL 能实现最佳两手之举的性能。