초록
보행자의 운동 행동은 개별적인 목표와 다른 에이전트와의 사회적 상호작용의 복합체를 포함한다. 본 논문에서는 다양한 예측 모델에서 LSTM을 대체할 수 있는 잠재력을 평가하기 위해 보행자 궤적을 인코딩하기 위한 비대칭 양방향 순환 신경망 아키텍처인 U-RNN을 제안한다. Trajnet++ 벤치마크에서의 실험 결과, 다양한 접근법과 상호작용 모듈에 대해 U-LSTM 변형이 일반적인 궤적 인코더보다 ADE, FDE, 충돌률 등 모든 평가 지표에서 더 우수한 성능을 보였으며, 제안된 방법이 사실상의 시퀀스 인코딩 RNN 기반 아키텍처에 대한 실질적인 대안이 될 수 있음을 시사한다.Trajnet++ 벤치마크를 위한 비대칭 Bi-RNN 구현체는 다음에서 공개되어 있다: github.com/JosephGesnouin/Asymmetrical-Bi-RNNs-to-encode-pedestrian-trajectories