Belangrijkste concepten
論文は、物理ベースのクラスタリング手法を使用して、マルチエージェントシステムの将来の動きを予測する方法を提案しています。
Samenvatting
複数のエージェントが集団形成情報と将来の意図を含めて、グループに分類されることで、将来の動きを予測する手法が紹介されています。
エージェント同士のクラスタリングには、最小コスト関数やジオメトリック距離などが使用されます。
データセットTrajnet++およびArgoverse 2を使用してアルゴリズムが検証されました。
Trajnet++データセットでは歩行者エージェントに対する結果が示され、Argoverse 2データセットでは車両エージェントに対する結果が示されています。
Statistieken
エージェント同士の最小コストペアとユークリッド距離が計算されます。
各シーンでFDE(最終距離誤差)とADE(平均距離誤差)が評価されます。
Citaten
"A unified framework for joint mobility prediction and object profiling of drones in UAV networks." - Peng et al.
"Empirical Investigation on Pedestrian Crowd Dynamics and Grouping." - Gorrini et al.