A Neuro-Symbolic Approach for Enhanced Human Motion Prediction

要約

タイトル：増強された人間の動き予測のための神経シンボリックアプローチ
要約：
– 人間の背景を理解することは、特に自律システム（例：ロボット）を使用する現実世界の多くのアプリケーションにとって重要です。
– この論文では、人間の動き予測の分野をさらに前進させるための文脈推論の新しいアプローチを提案しています。
– そのために、空間表現の直感的な技術であるクオリティティレジュメ（QTC）を利用し、周辺での相互作用を異なる重みづけする神経シンボリックアプローチを提案しています。
– このアプローチは、状態の芸術から2つのアーキテクチャを使用して中長期の時間軸で実験的にテストされ、固定およびモバイルカメラから収集された6つの困難なシナリオのデータセットが使用されました。
– 実験結果は、予測精度の面で、NeuroSyMアプローチが多くの場合にベースラインアーキテクチャを上回ることを示しています。

要約(オリジナル)

Reasoning on the context of human beings is crucial for many real-world applications especially for those deploying autonomous systems (e.g. robots). In this paper, we present a new approach for context reasoning to further advance the field of human motion prediction. We therefore propose a neuro-symbolic approach for human motion prediction (NeuroSyM), which weights differently the interactions in the neighbourhood by leveraging an intuitive technique for spatial representation called Qualitative Trajectory Calculus (QTC). The proposed approach is experimentally tested on medium and long term time horizons using two architectures from the state of art, one of which is a baseline for human motion prediction and the other is a baseline for generic multivariate time-series prediction. Six datasets of challenging crowded scenarios, collected from both fixed and mobile cameras, were used for testing. Experimental results show that the NeuroSyM approach outperforms in most cases the baseline architectures in terms of prediction accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI