Trajectron++:基于异构数据的动态可行轨迹预测
机器人学
2021-01-14 v5 人机交互
机器学习
摘要
对人类运动的推理是安全且具社会感知的机器人导航的重要前提。因此,多智能体行为预测已成为现代人机交互系统(如自动驾驶汽车)的核心组件。尽管存在许多轨迹预测方法,大多数未施加动态约束且未考虑环境信息(如地图)。为此,我们提出 Trajectron++,一种模块化、图结构循环模型,可预测任意数量异质智能体的轨迹,同时融入智能体动力学与异构数据(如语义地图)。Trajectron++ 设计为与机器人规划与控制框架紧密集成;例如,它可生成以自智能体运动计划为条件(可选)的预测。我们在多个具有挑战性的真实世界轨迹预测数据集上展示了其性能,优于大量先进的确定性与生成式方法。
引用
@article{arxiv.2001.03093,
title = {Trajectron++: Dynamically-Feasible Trajectory Forecasting With Heterogeneous Data},
author = {Tim Salzmann and Boris Ivanovic and Punarjay Chakravarty and Marco Pavone},
journal= {arXiv preprint arXiv:2001.03093},
year = {2021}
}
备注
23 pages, 6 figures, 5 tables. All code, models, and data can be found at https://github.com/StanfordASL/Trajectron-plus-plus . European Conference on Computer Vision (ECCV) 2020. Fixed a few typos