CVPRMar, 2022

记忆意图：基于回想记忆的轨迹预测

PDF
TL;DR提出了一个基于实例的方法 MemoNet，通过储存代表性实例和一个可训练的地址器来搜索与当前情况相似的实例，实现了对代理的移动意图的预测，进一步建立了两步轨迹预测系统。实验结果表明，该方法相较于之前的最佳方法有了较大的改进。
trajectory predictionneuropsychologyinstance-based approachmemory banksinterpretability
发现论文，激发创造
  • MANTRA：用存储增强网络进行多轨迹预测

    本论文提出了一种基于记忆增强神经网络的多模态轨迹预测方法，该方法可以在复杂场景中安全地规划自主车辆路径，并且通过非参数化的记忆模块，可以不断改进预测效果。

    Jun, 2020

  • 揭示人类动作模式：基于模式记忆的扩散模型的轨迹预测

    基于记忆的 Motion Pattern Priors Memory Network 方法通过构建从训练集轨迹中观察到的运动模式的聚类先验知识构成的记忆库，并引入地址机制来检索匹配的模式和每个预测的潜在目标分布，从而使得在真实世界场景中的不确定性下，准确地预测人类行为轨迹成为可能。

    Jan, 2024

  • 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

  • 基于图形的空间变换器与记忆重放的多未来行人轨迹预测

    本文提出了一种基于多尺度图形空间变换和记忆重现的轨迹平滑算法模型，可以在预测单一和多个未来路径的同时，综合利用空间信息并修正时间不一致的轨迹，同时还提出了一个新的评估指标来评估多轨迹预测的全面性。

    Jun, 2022

  • 带有结构记忆层次的行人轨迹预测

    基于多模态数据的人体轨迹预测框架，引入结构化记忆元件，采用分层结构式 LSTM 单元模拟记忆内容，通过自动检索重要信息提高效果，并在 40,000 行人轨迹数据集上验证新模型比现有技术更准确预测未来行人运动。

    Jul, 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

  • 学习，快与慢：面向动态环境的目标导向基于记忆的方法

    本研究针对基于模型的下一状态预测和状态价值预测收敛缓慢的问题，使用并行内存检索系统进行基于模型的规划，使用神经网络指导代理的行为，通过基于目标的探索在线训练，取得了 92% 的解决率，显示出 RL 模型应用于目标和子目标规划的未来。

    Jan, 2023

  • 视频中的预测与下一个动作预测：基于端到端的具有记忆的模型

    提出一种基于记忆的端到端网络进行行为预测与预测，表明使用动态内存训练历史可以显着提高预测性能。

    Jan, 2019

  • 车辆语义意图和运动的概率预测

    本文提出了一种基于深度神经网络的语义意图和运动预测（SIMP）方法，该方法使用语义定义的车辆行为来适应任何驾驶场景，结合分类意向和运动信息准确地预测自动驾驶车辆的行驶路径。

    Apr, 2018

  • 通过嵌入情景记忆的 NDT 实现车辆行为预测

    通过 Episodic Memory implanted Neural Decision Tree (eMem-NDT) 来解释目标车辆的行为预测，模型具有清晰的可解释性、优异的性能和适用于实际使用的特点。

    Feb, 2024