基于 locomotion 体现感的物理可行性感知轨迹预测
计算机视觉与模式识别
2025-03-24 v1
摘要
人类能够从瞬时观察中利用人体姿态相关线索预测未来人体轨迹。然而，先前的人体轨迹预测（HTP）方法仅隐式地利用姿态线索，导致预测结果不可靠。为此，我们提出了 locomotion 体现（Locomotion Embodiment）框架，显式评估通过物理定律进行 locomotion 生成的预测轨迹的物理可行性。虽然 locomotion 的可行性使用不可微物理仿真器学习，但我们用可微的 locomotion 价值函数来替代，在数据驱动方式下训练HTP网络。具体而言，我们提出的embodied locomotion loss有助于使用多个头高效训练随机HTP网络。此外，我们提出了 locomotion 价值滤波器，用于在推理阶段过滤不可靠的轨迹。实验表明，我们的方法在多样化数据集和问题设置下均能提升最先进的HTP方法的性能。我们的代码可在：https://github.com/ImIntheMiddle/EmLoco获取。
关键词
引用
@article{arxiv.2503.17267,
title = {Physical Plausibility-aware Trajectory Prediction via Locomotion Embodiment},
author = {Hiromu Taketsugu and Takeru Oba and Takahiro Maeda and Shohei Nobuhara and Norimichi Ukita},
journal= {arXiv preprint arXiv:2503.17267},
year = {2025}
}
备注
CVPR2025. Project page: https://iminthemiddle.github.io/EmLoco-Page/