Human motion trajectory prediction using the Social Force Model for real-time and low computational cost applications

要約

人間の動作軌跡の予測は、特にタスクの同行、誘導、接近だけでなく、ソーシャル ロボット工学、自動運転車、セキュリティ システムなどの人間とロボットのコラボレーションにとって非常に重要な機能です。
この論文では、新しい軌道予測モデル、Social Force Generative Adversarial Network (SoFGAN) を提案します。
SoFGAN は、敵対的生成ネットワーク (GAN) とソーシャル フォース モデル (SFM) を使用して、シーン内の衝突を減らす、もっともらしいさまざまな人々の軌跡を生成します。
さらに、目的地の学習を強調するために、条件付き変分オートエンコーダー (CVAE) モジュールが追加されています。
私たちの方法は、UCY または BIWI データセットでの予測が現在のほとんどの最先端モデルよりも正確であり、他のアプローチと比較して衝突も減少することを示します。
実際の実験を通じて、GPU を使用せずにモデルをリアルタイムで使用して、低計算コストで高品質の予測を実行できることを実証しました。

要約(オリジナル)

Human motion trajectory prediction is a very important functionality for human-robot collaboration, specifically in accompanying, guiding, or approaching tasks, but also in social robotics, self-driving vehicles, or security systems. In this paper, a novel trajectory prediction model, Social Force Generative Adversarial Network (SoFGAN), is proposed. SoFGAN uses a Generative Adversarial Network (GAN) and Social Force Model (SFM) to generate different plausible people trajectories reducing collisions in a scene. Furthermore, a Conditional Variational Autoencoder (CVAE) module is added to emphasize the destination learning. We show that our method is more accurate in making predictions in UCY or BIWI datasets than most of the current state-of-the-art models and also reduces collisions in comparison to other approaches. Through real-life experiments, we demonstrate that the model can be used in real-time without GPU’s to perform good quality predictions with a low computational cost.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google