TPPO：一种基于伪预言机的新型轨迹预测器
计算机视觉与模式识别
2021-12-30 v3
摘要
在动态场景中预测行人轨迹在自动驾驶和社会感知机器人等多种应用中仍是一个关键问题。由于人与人、人与物体之间的交互以及由人类随机性导致的未来不确定性，此类预测具有挑战性。基于生成模型的方法通过采样潜变量来处理未来不确定性。然而，很少有研究探索潜变量的生成。在本工作中，我们提出了基于伪预言机的轨迹预测器（TPPO），这是一种基于生成模型的轨迹预测器。第一个伪预言机是行人的移动方向，第二个是从真实轨迹估计得到的潜变量。我们使用社会注意力模块，基于行人移动方向与未来轨迹之间的相关性来聚合邻居的交互。这一相关性源于以下事实：行人的未来轨迹常受到前方行人的影响。我们提出了一种潜变量预测器，从观测轨迹和真实轨迹中估计潜变量分布。此外，在训练过程中最小化这两种分布之间的差距。因此，潜变量预测器可以从观测轨迹中估计潜变量，以逼近从真实轨迹中估计得到的潜变量。我们在多个公开数据集上将 TPPO 与相关方法的性能进行了比较。结果表明，TPPO 以较低的平均位移误差和最终位移误差优于 SOTA 方法。消融实验表明，在测试过程中，随着采样次数减少，预测性能不会急剧下降。
引用
@article{arxiv.2002.01852,
title = {TPPO: A Novel Trajectory Predictor with Pseudo Oracle},
author = {Biao Yang and Caizhen He and Pin Wang and Ching-yao Chan and Xiaofeng Liu and Yang Chen},
journal= {arXiv preprint arXiv:2002.01852},
year = {2021}
}
备注
14 pages, 7 figures, 2 tables. arXiv admin note: substantial text overlap with arXiv:2002.00391. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice