
要約
本論文では、他の歩行者と相互作用する歩行者の動きを予測する新しい手法を提案します。この手法は、Generative Adversarial Network(GAN)を使用して、シーン内の任意のエージェントに対して妥当な予測をサンプリングします。GANはモード崩壊やドロップに非常に敏感であるため、最近提案されたInfo-GANがこれらの問題を回避し、多峰性歩行者軌跡予測において劇的な改善をもたらすことを示しています。また、以前の研究とは異なり、ジェネレータの学習時にL2損失を使用せず、これはより速い収束をもたらすものの深刻なモード崩壊を引き起こすためです。実験を通じて、リアルデータと合成データの両方で提案手法がより多様なサンプルを生成し、予測分布のモードを保つことができることを示しています。特に、この主張を証明するために、異なる方法が予測分布のモードを保つ性能を評価するために使用できる軌跡のtoy exampleデータセットを作成しました。