ICCVOct, 2018

Trajectron：具备动态时空图的概率多智体轨迹建模

PDF
TL;DR研究人员开发了一种基于图结构的 Trajectron 模型，利用递归序列建模和变分深度生成建模来预测多个代理的未来轨迹，通过多个数据集的结果表明其性能达到了最佳，并引入了一个新的指标用于比较输出分布的模型。
human-robot interactionautonomous agentstrajectory predictiondeep generative modelingperformance evaluation
发现论文，激发创造
  • Trajectron++：具动态可行性的混合数据轨迹预测

    Trajectron++ 是一个模块化的、图形结构的循环模型，它可以预测多个不同智能体的运动轨迹，同时考虑智能体的动态及不同的数据（例如，语义地图），它与机器人规划和控制框架紧密集成，能够在多个具有挑战性的真实轨迹预测数据集中表现出更好的性能。

    Jan, 2020

  • 空间时间图双重注意力网络用于多智能体预测和跟踪

    本文提出了一种通用的生成神经系统（称为 STG-DAT），用于多代理轨迹预测，涉及异构代理。该系统采用了动态图形表示，并利用轨迹和场景上下文信息来明确交互建模。本文还采用了一个有效的运动学约束层，该约束不仅确保物理可行性，而且提高了模型性能。

    Feb, 2021

  • 具有融合时空图灵活多产生器模型的轨迹预测

    我们提出了一种轨迹预测框架，能够捕捉人行轨迹的社会交互变化和断开的流形，并通过灵活的生成器选择网络学习多个生成器之间的分布。该框架在不同的挑战性数据集上表现出与几个基线方法相比的最先进性能。

    Nov, 2023

  • Motron: 多模态概率人体运动预测

    论文提出了 Motron 模型，一种用于人机交互中的多模态运动预测的概率图结构模型，并在现实场景中的多个数据集中验证了其在运动预测方面的优越性。

    Mar, 2022

  • 机器人 Trajectron：基于轨迹预测的机器人操作共享控制

    该研究论文主要讨论了通过预测机器人手臂运动轨迹，来简化操作者的认知负荷，并在协作控制任务中提供辅助，以准确捕捉操作者的意图。研究采用一种新颖的意图估计方法称为 “机器人 Trajectron”，通过考虑手臂的动力学特征，能够更好地捕捉操作者的意图，并结合潜在目标位置的信息进行协作控制。实验证明了机器人 Trajectron 在意图估计和协作控制任务中的有效性。

    Feb, 2024

  • 智能：多智能体联合递归轨迹预测

    本文提出了一种解决多模态数据和场景下多主体交互的轨迹预测问题的方法，使用 convLSTM 结合 CVAE 进行多样性预测，通过多元化的数据集模拟，取得了比现有方法更好的效果

    Jul, 2020

  • 多智能体张量融合用于上下文轨迹预测

    自动驾驶中准确预测其他车辆 / 行人的运动轨迹非常重要，本文提出了一种基于多智能体张量融合网络的模型，可以模拟代理人之间的交互和约束以及环境场景等因素，从而实现对未来运动轨迹的精准预测，并在高速公路和行人数据集上表现出最先进的预测精度。

    Apr, 2019

  • EvolveGraph：基于动态关系推理的多智能体轨迹预测

    本文提出了一种能够通过关系推理和适应性地进化交互图，预测多个异构交互代理的轨迹的通用轨迹预测框架，其在多个真实世界基准数据集中取得了最先进的预测准确性表现。

    Mar, 2020

  • 基于扩散的环境感知轨迹预测

    基于扩散的生成模型用于多智能体轨迹预测，具有学习数据多样性、提高预测准确性和应对不确定交通状况的实用性。

    Mar, 2024

  • 人体运动轨迹预测：综述

    该研究调查了人类运动轨迹预测的现有方法，提出了一个基于运动建模方法和上下文信息水平的分类法，讨论了目前技术的局限性并提出了未来研究的方向。

    May, 2019