基于时空流量互动分析的风险感知轨迹预测
机器人学
2024-07-16 v1 人工智能
计算机视觉与模式识别
摘要
为了在人类以复杂多样方式交互的开放环境中运行，自动机器人必须学习预测其行为，尤其是当该行为可能对其他代理人或机器人本身构成危险时。然而，降低事故风险需要 prior knowledge of potential collisions locations and their patterns. 因此，我们提出通过分析数据中常见对应于高风险互动的地点和速度，并在训练中利用其生成更高风险情境下的更好预测。通过这些基于位置和基于速度的重加权技术，我们在大多数 likely FDE 和 KDE 指标上实现了 improved overall performance，以及在 high-speed vehicles 和 位于 high-risk locations 的 vehicles 上的 improved performance。2023 年 IEEE 国际机器人与自动化会议 (ICRA)
引用
@article{arxiv.2407.10639,
title = {Risk-aware Trajectory Prediction by Incorporating Spatio-temporal Traffic Interaction Analysis},
author = {Divya Thuremella and Lewis Ince and Lars Kunze},
journal= {arXiv preprint arXiv:2407.10639},
year = {2024}
}