SFMGNet：一种用于预测行人轨迹的基于物理的神经网络
机器人学
2022-02-08 v1 人工智能
摘要
自主机器人与车辆有望很快成为我们环境中不可或缺的一部分。与现有道路使用者的交互、在混合交通区域中的表现以及缺乏可解释行为等不尽人意的问题仍是关键障碍。为此，我们提出一种基于物理的神经网络，其基于混合方法，将扩展了群体力的社会力模型（SFMG）与多层感知机（MLP）相结合，以预测行人轨迹，同时考虑其与静态障碍物、其他行人及行人群体的交互。我们从真实预测、预测性能和预测“可解释性”方面对模型进行定量与定性评估。初步结果表明，该模型即使仅在合成数据集上训练，也能以优于当前最优（SOTA）的精度预测真实且可解释的轨迹。
引用
@article{arxiv.2202.02791,
title = {SFMGNet: A Physics-based Neural Network To Predict Pedestrian Trajectories},
author = {Sakif Hossain and Fatema T. Johora and Jörg P. Müller and Sven Hartmann and Andreas Reinhardt},
journal= {arXiv preprint arXiv:2202.02791},
year = {2022}
}
备注
16 pages, 6 figures, AAAI-MAKE 2022: Machine Learning and Knowledge Engineering for Hybrid Intelligence