抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
自律運転における重要なタスクである複数のエージェントの運動予測のための新しい表現であるOccupcy Flow Fieldを提案した。この表現は,任意のエージェントによって占有されるセルの確率と,そのセルにおける運動の方向と大きさを表す二次元フローベクトルの両方を含む各格子セルを有する時空間グリッドである。提案手法は,運動予測のための2つの最も一般的に使用される表現の短所,即ち,軌道集合と占有グリッドを成功裏に緩和する。占有グリッドは,多くのエージェントの確率的位置を効率的に表すが,エージェントの動きを捉えず,エージェントの同一性を失う。この目的のために,占有と流れ予測の間の整合性を確立する新しいフロートレース損失の助けを借りて,Occupcy Flow Fieldを生成する深層学習アーキテクチャを提案した。占有予測,動き推定,およびエージェントID回復に関する3つの計量を用いて,著者らのアプローチの有効性を実証した。さらに,著者らは,現在,ディスオクルージョンを通して,または,視野に入ることで現れるかもしれない,現在使用されているエージェントである,推測エージェントを予測する問題を紹介した。大型インハウス自律運転データセットと公開INTERACTIONデータセットに関する実験結果を報告し,著者らのモデルが最先端のモデルより優れていることを示した。【JST・京大機械翻訳】