文献

J-GLOBAL ID：202102249916545379   整理番号：21A1145427

人間追従移動ロボットのための事前訓練機械学習モデルを用いた歩行者軌道予測【JST・京大機械翻訳】

Pedestrian Trajectory Prediction Using Pre-trained Machine Learning Model for Human-Following Mobile Robot

著者 (2件)： Akabane Rina (Tokyo Woman’s Christian University,Graduate School of Science,Tokyo,Japan) ,  Kato Yuka (Tokyo Woman’s Christian University,Graduate School of Science,Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： Big Data  ページ： 3453-3458  発行年： 2020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： これまで,人間追跡移動ロボットの追跡精度を改善する目的で,機械学習アルゴリズムを用いて歩行者の将来軌道を予測する方法を研究した。ここでは,オープンデータセットを用いて訓練フェーズ中の予測子を生成し,予測フェーズ中のロボットに1つのセンサを用いて将来の軌跡を予測した。しかし,訓練データを構築する特定の方法は考慮されず,不十分なデータセットを選択する場合,十分な精度が得られていないという問題がある。問題を解決するために,本論文では,確率分布としてターゲット環境におけるデータの特徴を表現し,ソース分布とターゲット分布の間の発散を評価することによって,公開データセットから類似のデータセットを抽出する方法を提案した。特に,多次元Gauss分布として一組のデータの特徴を表し,Kullback-Leibler発散を用いて分布間の類似性を比較した。提案した方法の有効性を検証するために,機械学習アルゴリズムとしてLSTMベース予測モデルを用いた評価実験を行った。結果は,目標データセットに基づくKullback-Leibler発散によって,データセットにおける歩行者の移動傾向の類似性を表現でき,その予測精度は,値が小さいときに増加することを示した。Copyright 2021 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： *学習モデル ,  正規分布 ,  *ロボット ,  *歩行者 ,  確率分布 ,  センサ ,  *軌道推定 ,  高次元 ,  *移動ロボット ,  学習アルゴリズム ,  予測モデル
準シソーラス用語： 訓練データ ,  予測子 ,  予測精度 ,  評価実験 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 人間 ,  ロボット ,  訓練 ,  機械学習 ,  モデル ,  歩行者 ,  軌道予測