通过学习与匹配模式预测人类轨迹
人工智能
2021-09-01 v2 机器学习
摘要
随着越来越多机器人被设想为与人类共享同一空间协作，期望机器人能够预测他人轨迹，从而以安全且可自解释的方式导航。我们提出一种基于卷积神经网络的方法来学习、检测和提取序列轨迹数据中的模式，此处称为社交模式提取卷积（Social-PEC）。在人类轨迹预测问题上开展的一组实验表明，我们的模型性能与当前最优（SOTA）相当，并在某些情况下更优。更重要的是，所提方法揭示了以往使用池化层的模糊性，给出了一种直观解释决策过程的方式。
引用
@article{arxiv.2104.10241,
title = {Predicting Human Trajectories by Learning and Matching Patterns},
author = {Dapeng Zhao},
journal= {arXiv preprint arXiv:2104.10241},
year = {2021}
}
备注
Thesis document of the degree of Master of Science in Robotics of Carnegie Mellon University School of Computer Science