用于轨迹预测的社会感知卡尔曼神经网络
机器人学
2019-06-27 v4 计算机视觉与模式识别
摘要
轨迹预测是机器人与自主车辆导航中的关键技术。然而，复杂交通与动态不确定性给建模的有效性与鲁棒性带来挑战。我们提出一种数据驱动的社会感知卡尔曼神经网络（SAKNN）方法，其中交互层与卡尔曼层嵌入于架构中，形成一类具有直接从高方差传感器输入学习并鲁棒生成低方差输出的巨大潜力的架构。在NGSIM数据集上对我们方法的评估表明，SAKNN在相对长期预测有效性上达到最先进水平（SOTA），并显著改善了预测信号的信噪比。
引用
@article{arxiv.1809.05408,
title = {Socially Aware Kalman Neural Networks for Trajectory Prediction},
author = {Ce Ju and Zheng Wang and Xiaoyu Zhang},
journal= {arXiv preprint arXiv:1809.05408},
year = {2019}
}
备注
Superceded by arXiv:1902.10928