文献

J-GLOBAL ID：202002229088947812   整理番号：20A0268720

文脈軌道予測のためのマルチエージェントテンソル融合【JST・京大機械翻訳】

Multi-Agent Tensor Fusion for Contextual Trajectory Prediction

著者 (8件)： Zhao Tianyang (Peking Univ.) ,  Xu Yifei (UCLA) ,  Monfort Mathew (iSee) ,  Choi Wongun (iSee) ,  Baker Chris (iSee) ,  Zhao Yibiao (iSee) ,  Wang Yizhou (PKU) ,  Wu Ying Nian (Univ. of California, Los Angeles)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CVPR  ページ： 12118-12126  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 他の軌道の正確な予測は自律運転に必須である。軌道予測は,エージェントの過去の動き,変化する数と種類の間の社会的相互作用,シーンコンテキストからの制約,および人間の行動の確率性についての推論を必要とするので,挑戦的である。著者らのアプローチは,これらの相互作用と制約を,新しいマルチエージェントテンソル融合(MATF)ネットワーク内でモデル化する。具体的には,モデルは複数エージェントの過去の軌跡とマルチエージェントテンソルへのシーンコンテキストを符号化し,次に,エージェントの空間構造とシーンコンテキストを保持しながら,多重エージェント相互作用を捉えるために畳込み融合を適用する。このモデルは,確率的予測を学習するために,敵の損失を用いて,現在,複数のエージェントの将来の軌跡に対して,再び復号化されている。高速道路運転と歩行者群衆データセットの両方に関する実験は,このモデルが最先端の予測精度を達成することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 復号化 ,  相互作用 ,  軌跡 ,  立体構造 ,  モデリング ,  高速道路 ,  多重化 ,  歩行者 ,  *エージェント ,  畳込み ,  *テンソル ,  ネットワーク ,  *軌道推定
準シソーラス用語： 予測精度 ,  *マルチエージェント , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 文脈 ,  軌道予測 ,  融合