Core Concepts
실내 환경의 기하학적 특성과 실제 관측된 사람 이동 데이터를 결합하여 사람 이동 패턴을 효과적으로 모델링할 수 있다.
Abstract
이 연구는 실내 환경의 기하학적 특성과 실제 관측된 사람 이동 데이터를 결합하여 사람 이동 패턴을 모델링하는 베이지안 바닥 필드(Bayesian Floor Field) 방법을 제안한다.
주요 내용은 다음과 같다:
실내 환경의 점유 정보를 활용하여 사람 이동 패턴의 사전 확률 분포를 학습하는 딥러닝 기반 모델을 제안했다.
이 사전 확률 분포와 실제 관측된 사람 이동 데이터를 결합하여 베이지안 추론을 통해 최종 사람 이동 패턴 모델을 구축했다.
제안 방법의 일반화 성능을 평가하기 위해 서로 다른 실내 환경에서의 실험을 수행했다.
제안 방법이 기존 방식 대비 적은 관측 데이터로도 우수한 성능을 보임을 확인했다.
이를 통해 새로운 환경에서 사람 이동 패턴을 효과적으로 모델링할 수 있으며, 로봇의 안전하고 효율적인 운용에 기여할 수 있을 것으로 기대된다.
Stats
사람 이동 데이터 421,111개 관측
사람 이동 데이터 8,533,469개 관측