ForceFormer: Exploring Social Force and Transformer for Pedestrian Trajectory Prediction

要約

高度にインタラクティブなシーンでゴール情報に基づいて歩行者の軌跡を予測することは、高度道路交通システムと自動運転に向けた重要なステップです。
このタスクの課題は、(1) 歩行者密度の高いシナリオでの複雑な社会的相互作用と、(2) 過去のモーション情報と効果的に関連付けるための目標情報の限られた利用という 2 つの主要なソースから生じます。
これらの困難に対処するために、社会的な力を Transformer ベースの確率的生成モデル バックボーンに統合し、ForceFormer と呼ばれる新しい目標ベースの軌道予測子を提案します。
単に目的地の位置を入力特徴として使用する従来のほとんどの研究とは異なり、目的地からの駆動力を利用して、歩行者のターゲットの誘導を効率的にシミュレートします。
さらに、反発力は、近隣の歩行者間の回避行動を記述するための別の入力特徴として使用されます。
広範な実験により、提案された方法は、最先端のモデルとの距離誤差によって測定された同等のパフォーマンスを達成しますが、特に広く使用されている歩行者データセットでの密集した歩行者シナリオでは、明らかに衝突が減少することが示されています。

要約(オリジナル)

Predicting trajectories of pedestrians based on goal information in highly interactive scenes is a crucial step toward Intelligent Transportation Systems and Autonomous Driving. The challenges of this task come from two key sources: (1) complex social interactions in high pedestrian density scenarios and (2) limited utilization of goal information to effectively associate with past motion information. To address these difficulties, we integrate social forces into a Transformer-based stochastic generative model backbone and propose a new goal-based trajectory predictor called ForceFormer. Differentiating from most prior works that simply use the destination position as an input feature, we leverage the driving force from the destination to efficiently simulate the guidance of a target on a pedestrian. Additionally, repulsive forces are used as another input feature to describe the avoidance action among neighboring pedestrians. Extensive experiments show that our proposed method achieves on-par performance measured by distance errors with the state-of-the-art models but evidently decreases collisions, especially in dense pedestrian scenarios on widely used pedestrian datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google