基于潜信念能量模型的轨迹预测
机器学习
2021-04-08 v1
摘要
人类轨迹预测对于自动驾驶汽车或社交机器人等自主平台至关重要。我们提出一种用于多样化人类轨迹预测的潜信念能量模型(LB-EBM)。LB-EBM 是一个概率模型，其代价函数定义在潜空间中以考虑运动历史与社会上下文。潜空间的低维性与 EBM 的高表达性使模型易于捕捉行人轨迹分布的多模态性。LB-EBM 从投影到潜空间中的专家示范(即人类轨迹)学习。从学到的 LB-EBM 中采样或优化得到一个信念向量，用于制定路径规划，进而帮助预测长距离轨迹。LB-EBM 与两步法的有效性得到了强实证结果的支持。我们的模型能够做出准确、多模态且符合社会规范的轨迹预测，并在 Stanford Drone 轨迹预测基准上比先前 SOTA 性能提升 10.9%，在 ETH-UCY 基准上提升 27.6%。
引用
@article{arxiv.2104.03086,
title = {Trajectory Prediction with Latent Belief Energy-Based Model},
author = {Bo Pang and Tianyang Zhao and Xu Xie and Ying Nian Wu},
journal= {arXiv preprint arXiv:2104.03086},
year = {2021}
}
备注
13 pages