Pedestrian Trajectory Prediction Using Dynamics-based Deep Learning

要約

歩行者の軌跡予測は、自動運転システムやロボット工学において重要な役割を果たします。
歩行者の動きの予測に著名な深層学習モデルを利用した最近の研究では、人間の動きについて先験的な仮定が限定されており、その結果、説明可能性が欠如し、予測された軌道に明示的な制約が課せられています。
Transformer ベースのモデルに統合された新しい漸近的に安定した動的システムを備えた、ダイナミクスベースの深層学習フレームワークを紹介します。
私たちは、漸近的に安定した力学システムを使用して、予測されたゴール位置に収束する人間の歩行軌跡を強制することによって人間のゴールを目指す動きをモデル化し、Transformer モデルに事前知識と説明可能性を提供します。
私たちのフレームワークは、目標推定器および動的システムと連携して歩行者の動作履歴から特徴を学習する Transformer モデルを特徴としています。
結果は、私たちのフレームワークが 5 つのベンチマーク人間動作データセットを使用した著名なモデルよりも優れていることを示しています。

要約(オリジナル)

Pedestrian trajectory prediction plays an important role in autonomous driving systems and robotics. Recent work utilizing prominent deep learning models for pedestrian motion prediction makes limited a priori assumptions about human movements, resulting in a lack of explainability and explicit constraints enforced on predicted trajectories. We present a dynamics-based deep learning framework with a novel asymptotically stable dynamical system integrated into a Transformer-based model. We use an asymptotically stable dynamical system to model human goal-targeted motion by enforcing the human walking trajectory, which converges to a predicted goal position, and to provide the Transformer model with prior knowledge and explainability. Our framework features the Transformer model that works with a goal estimator and dynamical system to learn features from pedestrian motion history. The results show that our framework outperforms prominent models using five benchmark human motion datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google