Diffusion Based Multi-Agent Adversarial Tracking

要約

ターゲット追跡は、現実世界のシナリオ、特に敵対ターゲットの位置に関する知識が限られていることが多い麻薬密売阻止において重要な役割を果たします。
自律追跡システムの改善により、無人航空機、水上車両、水中車両は、有人水上船、半潜水船、および空中船を使用する密輸業者の阻止をより効果的に支援できるようになります。
無人ドローンが急増するにつれ、正確な自律目標推定がセキュリティと安全性にとってさらに重要になります。
このペーパーでは、過去のまばらな状態情報を活用して敵の位置の包括的な予測を生成することを目的としたアプローチである、拡張マルチエージェント追跡のための制約付きエージェントベースの拡散 (CADENCE) について説明します。
このアプローチの有効性を評価するために、拡散モデルのモンテカルロ サンプリングを使用して、生成された各軌道に関連する確率を推定し、単一ターゲットおよび複数ターゲットの追跡環境での予測を評価します。
我々は、制約ベースのサンプリングを利用してマルチモーダルなトラック仮説を生成する、新しいクロスアテンションベースの拡散モデルを提案します。
私たちの単一ターゲット モデルは、すべての期間にわたる予測の平均変位誤差 (ADE) に関するすべてのベースライン手法のパフォーマンスを上回っています。

要約(オリジナル)

Target tracking plays a crucial role in real-world scenarios, particularly in drug-trafficking interdiction, where the knowledge of an adversarial target’s location is often limited. Improving autonomous tracking systems will enable unmanned aerial, surface, and underwater vehicles to better assist in interdicting smugglers that use manned surface, semi-submersible, and aerial vessels. As unmanned drones proliferate, accurate autonomous target estimation is even more crucial for security and safety. This paper presents Constrained Agent-based Diffusion for Enhanced Multi-Agent Tracking (CADENCE), an approach aimed at generating comprehensive predictions of adversary locations by leveraging past sparse state information. To assess the effectiveness of this approach, we evaluate predictions on single-target and multi-target pursuit environments, employing Monte-Carlo sampling of the diffusion model to estimate the probability associated with each generated trajectory. We propose a novel cross-attention based diffusion model that utilizes constraint-based sampling to generate multimodal track hypotheses. Our single-target model surpasses the performance of all baseline methods on Average Displacement Error (ADE) for predictions across all time horizons.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google