Social-VRNN：用于交互行人一次性多模态轨迹预测
机器人学
2020-11-17 v2
摘要
人体运动预测是自主机器人在人群中安全导航的关键。在杂乱环境中，由于行人同环境及其他行人的交互，某一行人可能存在若干运动假设。先前估计多运动假设的工作需要大量样本，限制了其在实时运动规划中的适用性。本文中，我们提出一种基于深度生成神经网络的、交互感知且多模态的轨迹预测变分学习方法。与最先进方法相比，我们的方法能更快收敛且所需样本显著更少。在真实与仿真数据上的实验结果表明，我们的模型能有效学习推断不同轨迹。我们与三种基线方法比较，并给出性能结果，表明我们的生成模型可通过生成多样化轨迹实现更高的轨迹预测精度。
引用
@article{arxiv.2010.09056,
title = {Social-VRNN: One-Shot Multi-modal Trajectory Prediction for Interacting Pedestrians},
author = {Bruno Brito and Hai Zhu and Wei Pan and Javier Alonso-Mora},
journal= {arXiv preprint arXiv:2010.09056},
year = {2020}
}
备注
Accepted, 12 pages, 4 figures