基于注意力機制的行人軌跡預測生成模型(AttenGAN)
[摘要]

針對長 短期記憶網絡(LSTM) 在行人軌跡預測問題中孤立考慮單個行人,且無法進行多種可能性預測的問題,提出基于注意力機制的行人軌跡預測生成模型(AttenGAN),來對行人交互模式進行建模和概率性地對多種合理可能性進行預測。AttenGAN 包括一個生成器和一個判別器,生成器根據行人過去的軌跡概率性地對未來進行多種可能性預測,判別器用來判斷一個軌跡是真實的還是由生成器偽造生成的,進而促進生成器生成符合社會規范的預測軌跡。生成器由一個編碼器和一個解碼器組成,在每一個時刻,編碼器的LSTM綜合注意力機制給出的其他行人的狀態,將當前行人個體的信息編碼為隱含狀態。預測時,首先用編碼器LSTM的隱含狀態和一個高斯噪聲連接來對解碼器LSTM的隱含狀態初始化,解碼器LSTM將其解碼為對未來的軌跡預測。在ETH和UCY數據集上的實驗結果表明,AttenGAN模型不僅能夠給出符合社會規范的多種合理的軌跡預測,并且在預測精度上相比傳統的線性模型(Linear)、LSTM模型、社會長短期記憶網絡模型( S-LSTM)和社會對抗網絡( S-GAN)模型有所提高,尤其在行人交互密集的場景下具有較高的精度性能。對生成器多次采樣得到的預測軌跡的可視化結果表明,所提模型具有綜合行人交互模式,對未來進行聯合性、多種可能性預測的能力。

 

行人軌跡預測是指根據行人過去一段時間 的軌跡,預測其未來的軌跡,該技術在自動駕駛“和服務機器人導航中都有著廣泛的應用。行人在決策的過程中比較靈活主觀,甚至完全相同的場景,不同的人都會采取不同的決策。

資源類型:pdf
資源大小:1.13MB
所屬分類:
上傳時間:2019/04/08
彩票平台开户送彩