THOMAS：基于可学习多智能体采样的轨迹热力图输出
计算机视觉与模式识别
2022-01-24 v3 机器人学
摘要
在本文中，我们提出THOMAS，一种联合多智能体轨迹预测框架，可实现高效且一致的多智能体多模态轨迹预测。我们提出了一种用于同步智能体未来热力图估计的统一模型架构，其中我们利用分层与稀疏图像生成以实现快速且内存高效的推理。我们提出一种可学习的轨迹重组模型，该模型以每个智能体的一组预测轨迹作为输入，并输出其一致的重新排序重组结果。该重组模块能够重新对齐初始独立的模态，使它们不发生碰撞且彼此一致。我们在Interaction多智能体预测挑战赛上报告了结果，并在线测试排行榜上排名。
引用
@article{arxiv.2110.06607,
title = {THOMAS: Trajectory Heatmap Output with learned Multi-Agent Sampling},
author = {Thomas Gilles and Stefano Sabatini and Dzmitry Tsishkou and Bogdan Stanciulescu and Fabien Moutarde},
journal= {arXiv preprint arXiv:2110.06607},
year = {2022}
}