May, 2020

AC-VRNN: 基于注意力机制的条件多变量循环神经网络用于多目标轨迹预测

PDF
TL;DR本文提出了一种基于条件变分递归神经网络（C-VRNN）的生成式架构，用于多未来轨迹预测，在密集场景中有效地建模人类动作，并进行了公开数据集的广泛实验，证明了其在比较现有先进技术下的有效性。
human motionmulti-future trajectory predictionsconditional variational recurrent neural networksgraph-based attention mechanismcrowded scenes
发现论文，激发创造
  • 基于目标驱动的自注意力循环神经网络的轨迹预测

    研究人类运动轨迹预测，提出基于注意力机制的轻量级循环模型并结合基于场景感知的目标估计模块，应用于公共数据集，能够在保证预测准确性的前提下，减少模型复杂度。

    Apr, 2022

  • 概率众包 GAN：使用图形车 - 行人注意网络进行多模态行人轨迹预测

    本文介绍了一种使用概率多模式预测方法和社交影响建模的新型 GAN，可有效预测人群行为和行人意图，以达到更好的自动驾驶和移动机器人导航效果。

    Jun, 2020

  • 多模态多人行为生成建模

    提出了一种建模和预测人类行为的方法，将人类建模为图形模型中的节点，并为每个人学习多模态概率分布，以预测日常交互中的未来行为。

    Mar, 2018

  • 拥挤空间中基于社交及场景感知的轨迹预测

    基于 LSTM 模型及人际交互、过往观测、周围空间语义等多重因素，预测人在城市场景中的运动方向的方法在测试中证明比传统 LSTM 模型准确，成为开发自动驾驶车辆与社交性机器人必不可少的一步。

    Sep, 2019

  • 不同 iable 可微分仿真：多智能体轨迹预测

    本文提出一种名为 ITRA 的深度生成模型，使用基于全差分仿真器的条件循环变分神经网络对多智能体轨迹进行预测，成功利用运动学自行车模型和鸟瞰图像实现了最新的预测结果。

    Apr, 2021

  • 一起搬运：学习人机合作搬运计划

    使用变分循环神经网络模拟人与机器人在协作搬运任务中的运动轨迹，通过利用互动记录中的信息，预测出与人类协作顺畅的运动方案，结果表明相较于基线的采样规划算法，变分循环神经网络在任务相关指标上表现更佳并且更接近人类示范，同时在人 - 机器人共同操作对真实机器人进行测试中也取得成功。

    Sep, 2022

  • 上下文感知轨迹预测

    本研究提出了一种基于上下文感知的循环神经网络 LSTM 模型，用于人类在拥挤空间中运动和行为的预测。实验结果表明，该方法相对于之前的最新预测模型能够更好的预测人类的轨迹。

    May, 2017

  • Social-DualCVAE: 基于社交互动模式感知与双重条件变分自编码器的多模态轨迹预测

    本文提出了一种基于双条件变分自编码器的社交多模式轨迹预测模型，该模型可通过学习社交交互模式，以及先前轨迹信息进行轨迹预测，并在流行的轨迹基准测试中表现出优异的性能。

    Feb, 2022

  • DAG-Net: 双重注意力图神经网络用于轨迹预测

    提出了一种新的递归生成模型，通过使用双重基于注意力的图神经网络，考虑单个代理未来的目标和不同代理之间的交互以及集成他们之间的相互影响信息，实现对人类行为多模式的更好预测，并在城市和运动场景中取得了最新的研究成果。

    May, 2020

  • 上下文感知的人体动作预测

    本文利用语义图模型和图注意力层来建立上下文感知体系结构，旨在正确建模人类行为中的对象和人际互动以提高人类运动的预测准确性。通过在全身人类动作数据库上进行的彻底评估，论文显示出模式的优越性。

    Apr, 2019