BriefGPT - AI 论文速递
·
基于生成对抗网络的无人机着陆轨迹预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了Goal-GAN，一个可解释且可端到端训练的人类轨迹预测模型。该模型结合历史轨迹和场景信息，通过目标估计和路由模块生成符合物理约束的多样化轨迹。实验结果表明，其在多个基准测试中表现优异。
🎯
关键要点
- 本研究提出了Goal-GAN，一个可解释性且可端到端训练的人类轨迹预测模型。
- 模型通过目标估计和路由模块将轨迹预测任务建模为两阶段过程。
- 使用历史轨迹信息和场景视觉背景来估计目标位置的多模态概率分布。
- 在推断过程中采样潜在目标进行路由，使用循环神经网络执行路由任务。
- 模型能够反应周围物理约束，生成符合这些约束的可行路径。
- 实验结果表明，Goal-GAN在多个基准测试中表现优异，建立了新的最先进模型。
➡️
