G-PECNet: Towards a Generalizable Pedestrian Trajectory Prediction System

要約

人間の資産を妨げたり損傷したりすることなく動的な物理環境を移動することは、ソーシャル ロボットにとって非常に重要です。
この研究では、深層生成モデルを使用して、ドメイン外の人間とエージェントの軌道を予測するという自律ドローンナビゲーションのサブ問題を解決します。
私たちの手法: General-PECNet または G-PECNet は、2020 年のベンチマークで最終変位誤差 (FDE) が 9.5\% 改善されたことを観察しました: PECNet は、周期的活性化関数に触発されたアーキテクチャの改善と、Hidden を使用した合成軌道 (データ) 拡張の組み合わせによって行われます。
マルコフ モデル (HMM) と強化学習 (RL)。
さらに、このタスクに役立つ、軌道の非線形性と外れ値の検出のための単純な幾何学にヒントを得たメトリックを提案します。
コードは $\href{https://github.com/Aryan-Garg/PECNet-Pedestrian-Trajectory-Prediction.git}{GitHub}$ で入手できます。

要約(オリジナル)

Navigating dynamic physical environments without obstructing or damaging human assets is of quintessential importance for social robots. In this work, we solve autonomous drone navigation’s sub-problem of predicting out-of-domain human and agent trajectories using a deep generative model. Our method: General-PECNet or G-PECNet observes an improvement of 9.5\% on the Final Displacement Error (FDE) on 2020’s benchmark: PECNet through a combination of architectural improvements inspired by periodic activation functions and synthetic trajectory (data) augmentations using Hidden Markov Models (HMMs) and Reinforcement Learning (RL). Additionally, we propose a simple geometry-inspired metric for trajectory non-linearity and outlier detection, helpful for the task. Code available at $\href{https://github.com/Aryan-Garg/PECNet-Pedestrian-Trajectory-Prediction.git}{GitHub}$

arxiv情報

提供元, 利用サービス

arxiv.jp, Google