基于注意力机制的行人轨迹预测模型（AttenGAN）.pdf

简介：
本文介绍了一种创新性的行人轨迹预测方法——AttenGAN，该模型采用了先进的注意力机制来提高对复杂场景中行人的运动模式预测精度。通过结合生成对抗网络(GAN)和注意力机制，AttenGAN能够更准确地捕捉并模拟行人行为的动态特性，在各种交通环境下展现出优越性能，为智能城市、自动驾驶等领域提供了有效的技术支撑。 针对长短期记忆网络（LSTM）在行人轨迹预测问题中的局限性——即孤立考虑单个行人的行为，并且无法进行多种可能性的预测，我们提出了一种基于注意力机制的行人轨迹生成模型（AttenGAN），以对行人之间的互动模式建模并概率地输出各种可能的结果。该模型由一个生成器和一个判别器构成：前者根据过去的行为来推测未来的多种场景；后者则负责辨别给定路径是真实的还是伪造的，从而促使生成器产生符合社会规范的预测轨迹。 在AttenGAN中，生成器包括编码器与解码器两部分。通过结合注意力机制提供的其他行人的状态信息，在每个时间点上编码器将当前行人个体的信息转化为隐藏状态。当进行预测时，首先利用高斯噪声和编码器LSTM输出的状态来初始化解码器的隐含层，并在此基础上生成未来的轨迹。 实验结果表明，基于ETH和UCY数据集上的测试证明了AttenGAN模型的有效性：它不仅能提供符合社会规范的各种可能的结果，而且在预测准确性上超越了传统的线性模型、LSTM模型以及其它几种先进的方法。特别是在行人交互密集的场景下，该模型展现出了更高的精度性能。 此外，多次采样的结果进一步显示了所提出的AttenGAN具备综合考虑行人间互动模式并进行联合及多可能性未来轨迹预测的能力。这种能力对于自动驾驶和机器人导航等应用至关重要，因为它们需要应对高度动态且复杂的环境，在这些环境中行人会根据不同的情况采取灵活的行动策略。