关键词trajectory augmentation
搜索结果 - 2
- 增加安全关键行驶场景,同时保持与专家轨迹的相似性
我们提出了一种轨迹增强方法,旨在通过几何变换将位于同一簇中的轨迹组合起来,与专家轨迹数据保持相似性,从而创建新的轨迹。这些增强的轨迹被加入训练数据集中,在满足指定的安全相关标准的前提下。我们的实验证明,使用这些增强轨迹来训练仿真学习模型可以 - 自监督解缠学习预测人类移动
通过提出一种名为 SSDL 的新算法,该算法使用深度神经网络来处理大规模空间 - 时间轨迹数据,利用离散学习的方法提取潜在的时间不变和时间变化因素,通过增强不同的轨迹增强方法来解决稀疏性问题和探索历史签入背后的异构协作信号,以解决下一个 P