Uncovering the human motion pattern: Pattern Memory-based Diffusion Model for Trajectory Prediction

要約

人間の軌跡予測は、ロボット工学や自動運転などの分野において重要な課題です。
現実世界のシナリオでは人間の行動や意図は本質的に不確実であるため、さまざまな予期せぬ出来事が発生する可能性があります。
人間の行動に潜む動作パターンを明らかにするために、モーション パターン事前記憶ネットワークと呼ばれる新しい記憶ベースの方法を導入します。
私たちの方法には、トレーニング セットの軌跡で観察された動作パターンのクラスター化された事前知識から派生したメモリ バンクの構築が含まれます。
メモリ バンクから各予測の一致したパターンと潜在的なターゲット分布を取得するためのアドレス指定メカニズムを導入します。これにより、エージェントが示す自然な動作パターンの識別と取得が可能になり、その後、ターゲット事前分布メモリ トークンを使用して拡散モデルを誘導します。
予測を生成します。
広範な実験により私たちのアプローチの有効性が検証され、最先端の軌道予測精度が実現します。
コードは公開されます。

要約(オリジナル)

Human trajectory forecasting is a critical challenge in fields such as robotics and autonomous driving. Due to the inherent uncertainty of human actions and intentions in real-world scenarios, various unexpected occurrences may arise. To uncover latent motion patterns in human behavior, we introduce a novel memory-based method, named Motion Pattern Priors Memory Network. Our method involves constructing a memory bank derived from clustered prior knowledge of motion patterns observed in the training set trajectories. We introduce an addressing mechanism to retrieve the matched pattern and the potential target distributions for each prediction from the memory bank, which enables the identification and retrieval of natural motion patterns exhibited by agents, subsequently using the target priors memory token to guide the diffusion model to generate predictions. Extensive experiments validate the effectiveness of our approach, achieving state-of-the-art trajectory prediction accuracy. The code will be made publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google