Entrar
insight - 보행자 궤적 예측
보행자 궤적 예측 방법의 자율주행 차량 적용성 평가
보행자 궤적 예측 모델의 단일 궤적 생성 정확도, 입력 특징 요구사항, 계산 효율성을 평가하여 자율주행 차량 적용을 위한 시사점을 제공한다.
일반화 가능한 보행자 궤적 예측 시스템: G-PECNet
사회 로봇이 동적 물리적 환경을 안전하게 탐색할 수 있도록 하는 것이 매우 중요하다. 이 연구에서는 깊은 생성 모델을 사용하여 도메인 외 인간 및 에이전트 궤적을 예측하는 자율 드론 탐색의 하위 문제를 해결한다.
다양한 상황에서 강건한 보행자 궤적 예측을 위한 후방 샘플링 기반의 통합 궤적 확산 모델
제안된 Guided Full Trajectory Diffuser (GFTD) 모델은 전체 궤적 분포를 학습하고 후방 샘플링을 통해 노이즈가 있거나 불완전한 입력 데이터에서도 강건한 궤적 예측과 제어 가능한 생성을 수행할 수 있다.
보행자 궤적 예측을 위한 각도 기반 사회적 상호작용 표현 학습
보행자와 같은 지능형 에이전트의 행동을 분석, 이해 및 예측하는 것은 많은 지능형 시스템과 응용 프로그램에서 점점 더 중요해지고 있다. 이 연구에서는 해양 동물들이 수중에서 에코로케이션을 통해 동료의 위치를 파악하는 것에서 영감을 얻어, 각도 기반의 새로운 사회적 상호작용 표현인 SocialCircle을 제안한다. SocialCircle은 다양한 각도 방향에서의 사회적 상호작용 맥락을 연속적으로 반영할 수 있으며, 이를 통해 보행자 궤적 예측 성능을 향상시킬 수 있다.
LLM을 활용한 보행자 궤적 예측 기법 LG-Traj
LLM을 활용하여 보행자의 과거 및 미래 움직임 패턴을 모델링하고, 이를 통해 보행자 궤적을 정확하게 예측하는 방법을 제안한다.
Produtos | Recursos
© 2024 by Linnk AI