伝達可能なGNNによる適応軌道予測【JST・京大機械翻訳】

Xu Yi; Wang Lichen; Wang Yizhou; Fu Yun

プレプリント

J-GLOBAL ID：202202212086530238 整理番号：22P0301696

伝達可能なGNNによる適応軌道予測【JST・京大機械翻訳】

Adaptive Trajectory Prediction via Transferable GNN

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月09日プレプリントサーバーでの情報更新日： 2022年03月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

歩行者軌道予測は,自律運転やロボットのような広範囲のAIアプリケーションにおける必須成分である。既存の方法は,通常,訓練と試験運動を同じパターンに従い,一方,潜在的分布差(例えば,ショッピングモールと街路)を無視する。この問題は避けられない性能低下をもたらす。この問題に取り組むために,著者らは,統合フレームワークにおけるドメインアラインメントと同様に,軌道予測を共同で実行する,新しい転送可能グラフニューラルネットワーク(T-GNN)フレームワークを提案した。特に,ドメイン固有知識が低減する構造運動知識を探索するために,ドメイン不変GNNを提案した。さらに,注意ベースの適応知識学習モジュールを,知識移転のための細粒個体レベル特徴表現を探究するために,さらに提案した。この方法によって,異なる軌跡ドメイン間の格差は,より良く緩和されるであろう。実際的軌道予測実験が設計される間,より挑戦的であり,実験結果は著者らの提案モデルの優れた性能を確かめた。知る限りでは,本研究は,異なる領域にわたる実用的な歩行者軌跡予測のためのベンチマークと技術におけるギャップを埋める先駆者である。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る