2달 전

사회적 방식: GAN을 활용한 보행자 궤도의 다중 모드 분포 학습

Javad Amirian; Jean-Bernard Hayet; Julien Pettre
사회적 방식: GAN을 활용한 보행자 궤도의 다중 모드 분포 학습
초록

본 논문은 다른 보행자들과 상호작용하는 보행자의 움직임을 예측하기 위한 새로운 접근법을 제안합니다. 이 방법은 장면 내의 모든 에이전트에 대해 가능한 예측을 샘플링하기 위해 생성적 적대 네트워크(Generative Adversarial Network, GAN)를 사용합니다. GAN은 모드 붕괴와 드롭에 매우 취약하지만, 최근 제안된 Info-GAN을 통해 이러한 문제를 피하면서 다중 모드 보행자 궤도 예측에서 큰 개선을 이룰 수 있음을 보여줍니다. 또한, 일부 이전 연구와는 달리 생성기 훈련 시 L2 손실(L2-loss)을 배제하였는데, 이는 더 빠른 수렴성을 가져오지만 심각한 모드 붕괴를 초래하기 때문입니다.실제 데이터와 합성 데이터를 사용한 실험을 통해 제안된 방법이 더 다양한 샘플을 생성하고 예측 분포의 모드를 유지하는 데 효과적임을 입증하였습니다. 특히, 이 주장을 증명하기 위해 예측 분포의 모드를 유지하는 데 있어 다양한 방법들의 성능을 평가할 수 있는 궤도의 단순 예제 데이터셋을 설계하였습니다.

사회적 방식: GAN을 활용한 보행자 궤도의 다중 모드 분포 학습 | 최신 연구 논문 | HyperAI초신경