Descarga Awesome Interaction Aware Trajectory Prediction - Descarga de código fuente Awesome Interaction Aware Trajectory Prediction

Impresionante comportamiento consciente de la interacción y predicción de trayectoria

Esta es una lista de verificación de materiales de investigación de última generación (conjuntos de datos, blogs, artículos y códigos públicos) relacionados con la predicción de trayectorias. Ojalá pudiera ser útil tanto para la academia como para la industria. (Aún actualizando)

Mantenedores : Jiachen Li (Universidad de Stanford); Hengbo Ma , Jinning Li (Universidad de California, Berkeley)

Correos electrónicos : [email protected]; {hengbo_ma, jinning_li}@berkeley.edu

No dude en enviarnos una solicitud para agregar nuevos recursos o enviarnos correos electrónicos para preguntas, debates y colaboraciones.

Nota : Aquí también hay una colección de materiales para el aprendizaje por refuerzo, la toma de decisiones y la planificación de movimientos.

Considere citar nuestro trabajo si este repositorio le resultó útil:

 @inproceedings{li2020evolvegraph,
  title={EvolveGraph: Multi-Agent Trajectory Prediction with Dynamic Relational Reasoning},
  author={Li, Jiachen and Yang, Fan and Tomizuka, Masayoshi and Choi, Chiho},
  booktitle={2020 Advances in Neural Information Processing Systems (NeurIPS)},
  year={2020}
}

@inproceedings{li2019conditional,
  title={Conditional Generative Neural System for Probabilistic Trajectory Prediction},
  author={Li, Jiachen and Ma, Hengbo and Tomizuka, Masayoshi},
  booktitle={2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
  pages={6150--6156},
  year={2019},
  organization={IEEE}
}

Tabla de contenido

Conjuntos de datos
- Vehículos y Tráfico
- Peatones
- Jugadores deportivos
Literatura y códigos
- Documentos de encuesta
- Sistemas de Física con Interacción
- Vehículos inteligentes y peatones
- Robots móviles
- Jugadores deportivos
- Métricas de evaluación y referencia
- Otros

Conjuntos de datos

Vehículos y Tráfico

Conjunto de datos	Agentes	Escenarios	Sensores
Conjunto de datos abiertos de Waymo	vehículos / ciclistas / personas	urbano/carretera	LiDAR / cámara / Radar
Argoverso	vehículos / ciclistas / personas	urbano/carretera	LiDAR / cámara / Radar
nuEscenas	vehículos	urbano	cámara / LiDAR / Radar
altoD	vehículos	carretera	cámara
Indiana	vehículos	carretera	cámara
redondoD	vehículos	carretera	cámara
BDD100k	vehículos / ciclistas / personas	carretera / urbano	cámara
KITTI	vehículos / ciclistas / personas	carretera / zonas rurales	cámara / LiDAR
NGSIM	vehículos	carretera	cámara
INTERACCIÓN	vehículos / ciclistas / personas	rotonda / intersección	cámara
ciclistas	ciclistas	urbano	cámara
paisajes apolo	vehículos / ciclistas / personas	urbano	cámara
Udacidad	vehículos	urbano	cámara
paisajes urbanos	vehículos / personas	urbano	cámara
Dron de Stanford	vehículos / ciclistas / personas	urbano	cámara
Argoverso	vehículos / personas	urbano	cámara / LiDAR
TRAF	vehículos / autobuses / ciclistas / bicicletas / personas / animales	urbano	cámara
Conjunto de datos de postura de Aschaffenburg	ciclistas / personas	urbano	cámara

Peatones

Conjunto de datos	Agentes	Escenarios	Sensores
UCY	gente	zara / estudiantes	cámara
ETH (ICCV09)	gente	urbano	cámara
VIRAT	personas/vehículos	urbano	cámara
KITTI	vehículos / ciclistas / personas	carretera / zonas rurales	cámara / LiDAR
ATC	gente	centro comercial	Sensor de rango
Daimler	gente	del vehículo en movimiento	cámara
Estación central	gente	estación interior	cámara
Centro de la ciudad	gente	calle urbana	cámara
Edimburgo	gente	urbano	cámara
Paisajes urbanos	vehículos / personas	urbano	cámara
Argoverso	vehículos / personas	urbano	cámara / LiDAR
Dron de Stanford	vehículos / ciclistas / personas	urbano	cámara
Trajnet	gente	urbano	cámara
PASTEL	gente	urbano	cámara
Caminos que se bifurcan	gente	urbano / simulación	cámara
TrajNet++	gente	urbano	cámara
Conjunto de datos de postura de Aschaffenburg	ciclistas / personas	urbano	cámara
Conjunto de datos de vista superior de ciclistas (CTV)	ciclistas / personas	urbano	cámara

Jugadores deportivos

Conjunto de datos	Agentes	Escenarios	Sensores
Fútbol americano	gente	campo de futbol	cámara
NBA SportVU	gente	salón de baloncesto	cámara
NFL	gente	fútbol americano	cámara

Literatura y códigos

Documentos de encuesta

Aprendizaje automático para la predicción de la trayectoria de vehículos autónomos: una encuesta exhaustiva, desafíos y direcciones de investigación futuras, preimpresión de arXiv arXiv:2307.07527, 2023. [artículo]
Incorporación del conocimiento de conducción en la predicción de la trayectoria del vehículo basada en el aprendizaje profundo: una encuesta, IEEE T-IV, 2023. [artículo]
Predicción de la trayectoria de peatones en entornos mixtos de peatones y vehículos: una revisión sistemática, IEEE T-ITS, 2023. [artículo]
Una encuesta sobre métodos de predicción de trayectoria para la conducción autónoma, IEEE T-IV 2022. [artículo]
Una encuesta sobre la predicción de la trayectoria de los vehículos basada en modelos de aprendizaje profundo, Conferencia internacional sobre sistemas expertos sostenibles, ICSES 2022. [artículo]
Comprensión de escenarios y predicción de movimiento para vehículos autónomos: revisión y comparación, IEEE T-ITS, 2022. [artículo]
Tecnología de fusión multimodal basada en información del vehículo: una encuesta, preimpresión de arXiv arXiv:2211.06080, 2022. [artículo]
Aprendizaje por refuerzo profundo para la conducción autónoma: una encuesta, IEEE T-ITS, 2022. [artículo]
Interacciones sociales para la conducción autónoma: una revisión y una perspectiva, preimpresión de arXiv arXiv:2208.07541, 2022. [artículo]
Redes generativas adversarias para datos espacio-temporales: una encuesta, ACM T-IST, 2022. [artículo]
Predicción de la intención de comportamiento en escenas de conducción: una encuesta, preimpresión de arXiv arXiv:2211.00385, 2022. [artículo]
Una encuesta sobre la predicción del movimiento de peatones y vehículos para la conducción autónoma, IEEE Access, 2021. [artículo]
Revisión de los métodos de predicción de la trayectoria de los peatones: comparación de enfoques basados en el conocimiento y el aprendizaje profundo, preimpresión de arXiv arXiv:2111.06740, 2021. [artículo]
Una encuesta sobre gestión, análisis y aprendizaje de datos de trayectoria, CSUR 2021. [artículo]
Predicción del comportamiento de los peatones para la conducción automatizada: requisitos, métricas y características relevantes, IEEE T-ITS, 2021. [artículo]
Una revisión de métodos basados en aprendizaje profundo para la predicción de la trayectoria de los peatones, sensores, 2021. [artículo]
Una encuesta sobre enfoques de aprendizaje profundo para la predicción de la trayectoria de los vehículos en conducción autónoma, ROBIO 2021. [artículo] [código]
Una encuesta sobre técnicas de aprendizaje profundo para la conducción autónoma, Journal of Field Robotics, 2020. [artículo]
Predicción de la trayectoria del movimiento humano: una encuesta, Revista Internacional de Investigación en Robótica, 2020. [artículo]
Conducción autónoma con aprendizaje profundo: una encuesta sobre tecnologías de vanguardia, preimpresión de arXiv arXiv:2006.06091, 2020. [artículo]
Una encuesta sobre simulación visual del tráfico: modelos, evaluaciones y aplicaciones en la conducción autónoma, Foro de gráficos por computadora 2020. [artículo]
Predicción del comportamiento de vehículos basada en aprendizaje profundo para aplicaciones de conducción autónoma: una revisión, IEEE T-ITS 2020. [artículo]
Encuesta sobre aprendizaje por refuerzo profundo para la planificación del movimiento de vehículos autónomos, IEEE T-ITS 2020. [artículo]
Similitud de trayectorias de vehículos: modelos, métodos y aplicaciones, Encuestas informáticas ACM (CSUR 2020). [papel]
Modelado y predicción del comportamiento del conductor humano: una encuesta, 2020. [artículo]
Una revisión de la literatura sobre la predicción del comportamiento de los peatones en escenarios urbanos, ITSC 2018. [artículo]
Encuesta sobre predicción de trayectoria basada en la visión. [papel]
Vehículos autónomos que interactúan con los peatones: un estudio de teoría y práctica. [papel]
Minería de datos de trayectoria: una descripción general. [papel]
Una encuesta sobre predicción de movimiento y evaluación de riesgos para vehículos inteligentes. [papel]

Sistemas de Física con Interacción

Aprendizaje de dinámica física con redes neuronales de gráficos subequivariantes, NeurIPS 2022. [artículo] [código]
EvolveGraph: Predicción de trayectoria de múltiples agentes con razonamiento relacional dinámico, NeurIPS 2020. [artículo]
Plantillas de interacción para sistemas multirobot, IROS 2019. [artículo]
Inferencia relacional neuronal factorizada para sistemas de interacción múltiple, taller ICML 2019. [artículo] [código]
Física como gráficos inversos: aprendizaje conjunto no supervisado de objetos y física a partir de vídeo, 2019. [artículo]
Inferencia relacional neuronal para sistemas que interactúan, ICML 2018. [artículo] [código]
Aprendizaje no supervisado de propiedades físicas latentes mediante redes de percepción-predicción, UAI 2018. [artículo]
Sesgos inductivos relacionales, aprendizaje profundo y redes gráficas, 2018. [artículo]
Maximización de expectativas neuronales relacionales: descubrimiento no supervisado de objetos y sus interacciones, ICLR 2018. [artículo]
Redes gráficas como motores de física que se pueden aprender para inferencia y control, ICML 2018. [artículo]
Representación neuronal flexible para la predicción de la física, 2018. [artículo]
Un módulo de red neuronal simple para el razonamiento relacional, 2017. [artículo]
VAIN: Modelado predictivo multiagente atencional, NeurIPS 2017. [artículo]
Redes de interacción visual, 2017. [artículo]
Un enfoque composicional basado en objetos para el aprendizaje de la dinámica física, ICLR 2017. [artículo]
Redes de interacción para aprender sobre objetos, relaciones y física, 2016. [artículo][código]

Vehículos inteligentes, tráfico y peatones

Predicción de trayectoria consciente del entorno basada en difusión, preimpresión de arXiv arXiv:2403.11643, 2024. [artículo]
MTP-GO: Predicción probabilística de trayectoria de múltiples agentes basada en gráficos con ODE neuronales, IEEE T-IV 2023. [artículo] [código]
MotionDiffuser: Predicción de movimiento controlable de múltiples agentes mediante difusión, CVPR 2023. [artículo]
Descubriendo el patrón que falta: marco unificado hacia la imputación y predicción de trayectorias, CVPR 2023. [artículo]
Muestreo no supervisado que promueve la predicción estocástica de la trayectoria humana, CVPR 2023. [artículo] [código]
Conducción autónoma orientada a la planificación, CVPR 2023. [artículo] [código]
IPCC-TP: Utilización del coeficiente de correlación incremental de Pearson para la predicción conjunta de trayectorias de múltiples agentes, CVPR 2023. [artículo]
La verificación de estímulos es un muestreador universal y eficaz en la predicción multimodal de la trayectoria humana, CVPR 2023. [artículo]
Predicción de trayectoria centrada en consultas, CVPR 2023. [artículo] [código] [QCNeXt]
FEND: Un marco de aprendizaje contrastivo basado en la distribución mejorado en el futuro para la predicción de trayectorias de cola larga, CVPR 2023. [artículo]
Trace and Pace: animación peatonal controlable mediante difusión de trayectoria guiada, CVPR 2023. [artículo] [sitio web]
FJMP: Predicción de movimiento conjunta factorizada de múltiples agentes sobre gráficos de interacción acíclica dirigida aprendida, CVPR 2023. [artículo] [sitio web]
Modelo de difusión Leapfrog para predicción de trayectoria estocástica, CVPR 2023. [artículo] [código]
ViP3D: Predicción de trayectoria visual de un extremo a otro mediante consultas de agentes 3D, CVPR 2023. [artículo] [sitio web]
EqMotion: Predicción de movimiento equivalente de múltiples agentes con razonamiento de interacción invariante, CVPR 2023. [artículo] [código]
V2X-Seq: un conjunto de datos secuenciales a gran escala para la percepción y previsión cooperativa de vehículos e infraestructuras, CVPR 2023. [artículo] [código]
Predicción de movimiento independiente de la clase débilmente supervisada para la conducción autónoma, CVPR 2023. [artículo]
Descomponer más y agregar mejor: dos miradas más cercanas al aprendizaje de representación de frecuencia para la predicción del movimiento humano, CVPR 2023. [artículo]
HumanMAC: finalización de movimiento enmascarado para la predicción del movimiento humano, ICCV 2023. [artículo] [código]
BeLFusion: Difusión latente para la predicción del movimiento humano basada en el comportamiento, ICCV 2023. [artículo] [código]
EigenTrajectory: Descriptores de bajo rango para el pronóstico de trayectorias multimodales, ICCV 2023. [artículo] [código]
ADAPT: Predicción eficiente de trayectorias de múltiples agentes con adaptación, ICCV 2023. [artículo] [código]
PowerBEV: un marco potente pero liviano para la predicción de instancias a vista de pájaro, IJCAI 2023. [artículo] [código]
Difusión-refinamiento de la cinemática de las articulaciones humanas para la predicción del movimiento estocástico, AAAI 2023. [artículo]
Aprendizaje de representación de múltiples flujos para la predicción de trayectorias de peatones, AAAI 2023. [artículo]
Generación de trayectoria continua basada en GAN de dos etapas, AAAI 2023. [artículo] [código]
Un conjunto de puntos de control de predicción de trayectoria peatonal condicionada, AAAI 2023. [artículo] [código]
Aprovechamiento del razonamiento de relaciones futuras para la predicción de la trayectoria de vehículos, ICLR 2023. [artículo]
TrafficGen: Aprender a generar escenarios de tráfico diversos y realistas, ICRA 2023. [artículo] [código]
GANet: Red de área de objetivos para la previsión de movimiento, ICRA 2023. [artículo] [código]
TOFG: Una representación ambiental unificada y detallada en la conducción autónoma, ICRA 2023. [artículo]
SSL-Lanes: aprendizaje autosupervisado para la previsión de movimiento en la conducción autónoma, CoRL 2023. [artículo] [código]
LimSim: un simulador de tráfico interactivo de múltiples escenarios a largo plazo, ITSC 2023. [documento] [código]
MVHGN: Predicción de trayectoria basada en red de convolución de gráfico espacial jerárquico adaptativo de vista múltiple para agentes de tráfico heterogéneos, TITS. [papel]
Predicción de trayectoria adaptativa y simultánea para agentes heterogéneos mediante una red de transformadores jerárquicos transferibles, TITS. [papel]
SSAGCN: Red de convolución de gráficos de atención social suave para la predicción de trayectorias de peatones, TNNLS. [papel] [código]
Desenredar las interacciones de la multitud para la predicción de la trayectoria de los peatones, RAL. [papel]
VNAGT: Red de transformadores de gráficos variacionales no autorregresivos para predicción de trayectorias de múltiples agentes, transacciones IEEE sobre tecnología vehicular. [papel]
LSTM espacial-temporal-espectral: un modelo transferible para la predicción de la trayectoria de los peatones, TIV. [papel]
Transformador holístico: una red neuronal conjunta para la predicción de trayectorias y la toma de decisiones de vehículos autónomos, PR. [papel]
Tri-HGNN: aprendizaje de políticas triples fusionadas con redes neuronales de gráficos jerárquicos para la predicción de la trayectoria de los peatones, PR. [papel]
Predicción de trayectoria vehicular multimodal con aprendizaje por refuerzo inverso y aversión al riesgo en intersecciones urbanas no señalizadas, TITS. [papel]
Predicción de trayectoria para conducción autónoma basada en gráfico espacio-temporal multiescala, IET Intelligent Transport Systems. [papel]
Redes adversarias generativas de autoatención social para la predicción de la trayectoria humana, transacciones IEEE sobre inteligencia artificial. [papel]
CSIR: CVAE deslizantes en cascada con replanteamiento iterativo con conciencia social para la predicción de trayectoria, TITS. [papel]
Maniobra multimodal y predicción de trayectoria para la conducción automatizada en autopistas mediante redes de transformadores, RAL. [papel]
Un modelo Transformer basado en la física para la predicción de la trayectoria de vehículos en carreteras, Investigación en transporte, Parte C: Tecnologías emergentes. [papel] [código]
MacFormer: Transformador acoplado Map-Agent para predicción de trayectoria robusta y en tiempo real, RAL. [papel]
MRGTraj: un nuevo enfoque no autorregresivo para la predicción de la trayectoria humana, TCSVT. [papel] [código]
Predicción de trayectoria jerárquica inspirada en la planificación mediante descomposición lateral-longitudinal para conducción autónoma, TIV. [papel]
Traj-MAE: codificadores automáticos enmascarados para predicción de trayectoria, preimpresión de arXiv arXiv:2303.06697, 2023. [artículo]
Predicción de la trayectoria de los peatones consciente de la incertidumbre mediante difusión distributiva, preimpresión de arXiv arXiv:2303.08367, 2023. [artículo]
Modelo de difusión para generación de trayectoria GPS, preimpresión de arXiv arXiv:2304.11582, 2023. [artículo]
Multiverse Transformer: Solución de primer lugar para Waymo Open Sim Agents Challenge 2023, Taller CVPR 2023 sobre conducción autónoma. [papel] [sitio web]
Joint-Multipath++ para agentes de simulación: solución de segundo lugar para Waymo Open Sim Agents Challenge 2023, taller CVPR 2023 sobre conducción autónoma. [papel] [código]
MTR++: Predicción de movimiento multiagente con modelado de escena simétrico y consulta de intención guiada, solución de primer lugar para Waymo Open Motion Prediction Challenge 2023, Taller CVPR 2023 sobre conducción autónoma. [papel] [código]
GameFormer: Modelado y aprendizaje de teoría de juegos de predicción y planificación interactivas basadas en transformadores para la conducción autónoma, preimpresión de arXiv arXiv:2303.05760, 2023. [artículo] [código] [sitio web]
GameFormer Planner: un marco de planificación y predicción interactivo basado en el aprendizaje para vehículos autónomos, el desafío de planificación nuPlan en el taller de conducción autónoma de extremo a extremo CVPR 2023. [papel] [código]
trajdata: una interfaz unificada para múltiples conjuntos de datos de trayectoria humana, preimpresión de arXiv arXiv:2307.13924, 2023. [artículo] [código]
Recuerde intenciones: predicción de trayectoria retrospectiva basada en memoria, CVPR 2022. [artículo] [código]
STCrowd: un conjunto de datos multimodal para la percepción de peatones en escenas concurridas, CVPR 2022. [artículo] [código]
La predicción de la trayectoria del vehículo funciona, pero no en todas partes, CVPR 2022. [artículo] [código]
Predicción de trayectoria estocástica mediante difusión de indeterminación de movimiento, CVPR 2022. [artículo] [código]
Red de muestreo no probabilístico para la predicción estocástica de la trayectoria humana, CVPR 2022. [artículo] [código]
Sobre la robustez adversa de la predicción de trayectoria para vehículos autónomos, CVPR 2022. [artículo] [código]
Predicción de trayectoria adaptativa mediante GNN transferible, CVPR 2022. [artículo]
Hacia una previsión de movimiento robusta y adaptativa: una perspectiva de representación causal, CVPR 2022. [artículo] [código, código]
¿Cuántas observaciones son suficientes? Destilación de conocimientos para la previsión de trayectorias, CVPR 2022. [artículo]
Aprendiendo de todos los vehículos, CVPR 2022. [documento] [código]
Previsión desde LiDAR mediante detección de objetos futuros, CVPR 2022. [artículo] [código]
Predicción de distribución de trayectoria de un extremo a otro basada en mapas de cuadrícula de ocupación, CVPR 2022. [artículo] [código]
M2I: de la predicción factorizada de trayectoria marginal a la predicción interactiva, CVPR 2022. [artículo] [código]
GroupNet: Redes neuronales hipergráficas multiescala para predicción de trayectorias con razonamiento relacional, CVPR 2022. [artículo] [código]
¿De quién es la pista? Mejora de la solidez para el seguimiento de errores con predicción basada en afinidad, CVPR 2022. [artículo]
ScePT: Predicciones de trayectoria para la planificación basadas en políticas y coherentes con la escena, CVPR 2022. [artículo] [código]
Transformador espacial basado en gráficos con reproducción de memoria para predicción de trayectorias peatonales en múltiples futuros, CVPR 2022. [artículo] [código]
MUSE-VAE: VAE multiescala para la predicción de trayectorias a largo plazo consciente del medio ambiente, CVPR 2022. [artículo]
LTP: Predicción de trayectoria basada en carriles para conducción autónoma, CVPR 2022. [artículo]
ATPFL: Diseño de modelo de predicción automática de trayectoria bajo el marco de aprendizaje federado, CVPR 2022. [artículo]
Predicción de la trayectoria humana con observación momentánea, CVPR 2022. [artículo]
HiVT: Transformador vectorial jerárquico para predicción de movimiento multiagente, CVPR 2022. [artículo] [código]
Aprendizaje de representaciones de grupos de peatones para la predicción de trayectorias multimodales, ECCV 2022. [artículo] [código]
Social-implícito: repensar la evaluación de la predicción de trayectoria y la eficacia de la estimación implícita de máxima verosimilitud, ECCV 2022. [artículo] [código] [sitio web]
Estructura latente jerárquica para la previsión de trayectoria de vehículos multimodal, ECCV 2022. [artículo] [código]
SocialVAE: Predicción de la trayectoria humana utilizando latentes en el tiempo, ECCV 2022. [artículo] [código]
Ver verticalmente: una red jerárquica para la predicción de trayectorias mediante espectros de Fourier, ECCV 2022. [artículo] [código]
Transformador de entrada invertida para inferencia y predicción del comportamiento de los participantes, ECCV 2022. [artículo]
D2-TPred: Dependencia discontinua para la predicción de trayectoria bajo semáforos, ECCV 2022. [artículo] [código]
Predicción de la trayectoria humana mediante la física social neuronal, ECCV 2022. [artículo] [código]
Social-SSL: aprendizaje de representación de secuencias cruzadas autosupervisado basado en transformadores para la predicción de trayectorias de múltiples agentes, ECCV 2022. [artículo] [código]
Consciente de la historia: pronóstico de trayectoria con datos de comportamiento local, ECCV 2022. [artículo] [código]
Aprendizaje contrastivo basado en acciones para la predicción de trayectorias, ECCV 2022. [artículo]
AdvDO: Ataques adversarios realistas para la predicción de trayectoria, ECCV 2022. [artículo]
ST-P3: Conducción autónoma basada en la visión de un extremo a otro mediante el aprendizaje de funciones espacio-temporales, ECCV 2022. [artículo] [código]
EDO social: pronóstico de trayectorias de múltiples agentes con ecuaciones diferenciales neuronales ordinarias, ECCV 2022. [artículo]
Previsión de la trayectoria humana a partir del historial de la escena, NeurIPS 2022. [artículo] [código]
Predicción de control guiada por trayectoria para la conducción autónoma de un extremo a otro: una base simple pero sólida, NeurIPS 2022. [artículo] [código]
Transformador de movimiento con localización de intención global y refinamiento del movimiento local, NeurIPS 2022. [artículo] [sitio web]
Modelado de interacción con atención multiplex, NeurIPS 2022. [artículo] [código]
Planificación y predicción de movimiento interactiva profunda: juegos con modelos de predicción de movimiento, Conferencia sobre aprendizaje de dinámica y control (L4DC). [papel] [sitio web]
Árbol social interpretable para la predicción de la trayectoria de los peatones, AAAI 2022. [artículo] [código]
Red cerrada de atención complementaria para la predicción de la trayectoria de los peatones, AAAI 2022. [artículo] [código]
Scene Transformer: una arquitectura unificada para predecir trayectorias futuras de múltiples agentes, ICLR 2022. [artículo]
Generalmente camina solo: análisis de la atribución de características en la predicción de trayectoria, ICLR 2022. [artículo]
Transformadores de conjunto secuencial de variables latentes para la predicción conjunta de movimiento de múltiples agentes, ICLR 2022. [artículo] [código]
THOMAS: Salida del mapa de calor de trayectoria con muestreo de agentes múltiples aprendido, ICLR 2022. [artículo]
Atención de gráficos con reconocimiento de ruta para mapas HD en predicción de movimiento, ICRA 2022. [artículo]
Predicción de trayectoria con representaciones lingüísticas, ICRA 2022. [artículo]
Aprovechamiento de la atención fluida previa para la predicción de trayectorias de múltiples agentes, ICRA 2022. [artículo] [sitio web]
KEMP: Modelo profundo jerárquico de extremo a extremo basado en fotogramas clave para la predicción de trayectorias a largo plazo, ICRA 2022. [artículo]
Generalización de dominio para la generación de trayectorias de conducción basada en la visión, ICRA 2022. [artículo] [sitio web]
Una red de gráficos de conceptos profundos para la predicción de trayectorias consciente de la interacción, ICRA 2022. [artículo]
Predicción condicionada de la trayectoria humana mediante bloques de atención iterativos, ICRA 2022. [artículo]
StopNet: Predicción escalable de trayectoria y ocupación para la conducción autónoma urbana, ICRA 2022. [artículo]
Análisis de metarutas en gráficos espacio-temporales para la predicción de trayectorias de peatones, ICRA 2022. [artículo] [sitio web]
Propagación de la incertidumbre estatal mediante la previsión de trayectorias, ICRA 2022. [artículo] [código]
HYPER: Predicción de trayectoria híbrida aprendida mediante inferencia factorizada y muestreo adaptativo, ICRA 2022. [artículo]
Grouptron: Redes convolucionales de gráficos dinámicos de múltiples escalas para el pronóstico de trayectorias de multitudes densas con reconocimiento de grupos, ICRA 2022. [artículo]
Marco generativo basado en transformadores multimodales para la predicción de la trayectoria de los peatones, ICRA 2022. [artículo]
Predicción de trayectoria para conducción autónoma con mapa topométrico, ICRA 2022. [artículo] [código]
CRAT-Pred: Predicción de la trayectoria de vehículos con redes neuronales convolucionales Crystal Graph y autoatención de múltiples cabezales, ICRA 2022. [artículo] [código]
MultiPath++: Fusión de información eficiente y agregación de trayectorias para la predicción del comportamiento, ICRA 2022. [artículo]
Predicción de movimiento multimodal con red neuronal basada en transformadores para conducción autónoma, ICRA 2022. [artículo]
GOHOME: Salida de mapa de calor orientada a gráficos para futuras estimaciones de movimiento, ICRA 2022. [artículo]
TridentNetV2: Representaciones gráficas ligeras del plan global para la generación de trayectorias dinámicas, ICRA 2022. [artículo]
Pronóstico de trayectoria de agentes heterogéneos que incorpora la incertidumbre de clase, IROS 2022. [artículo] [código] [trajdata]
Predicción de trayectoria con fusión de contexto de doble escala basada en gráficos, IROS 2022. [artículo] [código]
Predicción robusta de trayectoria contra ataques adversarios, CoRL 2022. [artículo] [código]
Planificación con difusión para la síntesis de comportamiento flexible, ICML 2022. [artículo] [sitio web]
Predicción de trayectoria peatonal bidireccional síncrona con compensación de errores, ACCV 2022. [artículo]
AI-TP: Predicción de trayectoria consciente de la interacción basada en la atención para la conducción autónoma, IEEE T-IV, 2022. [artículo] [código]
MDST-DGCN: una red convolucional de gráficos dirigida espaciotemporal dinámica multinivel para la predicción de trayectorias de peatones, inteligencia computacional y neurociencia. [papel]
Red convolucional espacial-temporal basada en gráficos para la predicción de la trayectoria de vehículos en conducción autónoma, IEEE T-ITS, 2022. [artículo]
Predicción de trayectoria de múltiples agentes con red de atención de gráficos heterogéneos mejorados en los bordes, IEEE T-ITS, 2022. [artículo]
Codificador-decodificador totalmente convolucional con un mecanismo de atención para la predicción práctica de la trayectoria de los peatones, IEEE T-ITS, 2022. [artículo]
STGM: Predicción de la trayectoria del vehículo basada en un modelo generativo para características espacio-temporales, IEEE T-ITS, 2022. [artículo]
Predicción de trayectoria para la conducción autónoma mediante un transformador de atención de gráficos espacio-temporal, IEEE T-ITS, 2022. [artículo]
Predicción de la trayectoria del vehículo con atención intencional basada en una red de atención dinámica espacio-temporal para Internet de vehículos, IEEE T-ITS, 2022. [artículo] [código]
Pronóstico de trayectoria basado en una red neuronal convolucional de gráficos dirigidos con conocimiento previo, IEEE T-ITS, 2022. [artículo]
DeepTrack: aprendizaje profundo ligero para la predicción de la trayectoria de vehículos en carreteras, IEEE T-ITS, 2022. [artículo]
Predicción interactiva de trayectoria utilizando un método de aprendizaje profundo integrado en mapas de riesgos de conducción para vehículos circundantes en carreteras, IEEE T-ITS, 2022. [artículo]
Predicción de la trayectoria del vehículo en entornos conectados a través de redes convolucionales de gráficos heterogéneos y conscientes del contexto, IEEE T-ITS, 2022. [artículo]
Red neuronal de predicción de trayectoria e interpretación de modelos basada en la atención de patrones temporales, IEEE T-ITS, 2022. [artículo]
Aprendizaje de gráficos de interacción dispersa de peatones parcialmente detectados para la predicción de trayectoria, IEEE RA-L, 2022. [artículo] [código]
GAMMA: Modelo de predicción de movimiento de agente general para conducción autónoma, RAL. [papel] [código]
Redes graduales impulsadas por objetivos para la predicción de trayectorias, RAL. [papel] [código]
GA-STT: Predicción de la trayectoria humana con transformador espacial-temporal consciente del grupo, RAL. [papel]
Predicción de trayectorias 4D a largo plazo utilizando redes generativas adversarias, Investigación en transporte Parte C: Tecnologías emergentes. [papel]
Un marco de predicción de la trayectoria de los peatones consciente del contexto para vehículos automatizados, Investigación en transporte, Parte C: Tecnologías emergentes. [papel]
Predicción de trayectorias multimodales explicables utilizando modelos de atención, Investigación en transporte, Parte C: Tecnologías emergentes. [papel]
CSCNet: Red de consistencia semántica contextual para predicción de trayectorias en espacios concurridos, PR. [papel]
CSR: Codificador automático variacional condicional en cascada con regresión social para predicción de trayectoria de peatones, PR. [papel]
Paso de atención: predicción secuencial de la trayectoria de los peatones, IEEE Sensors Journal. [papel]
Método de predicción de la trayectoria del vehículo junto con la tendencia del movimiento del vehículo del ego bajo el mecanismo de atención dual, transacciones IEEE sobre instrumentación y medición. [papel]
Red de convolución de gráficos consciente de la interacción espacio-temporal y distribución de trayectorias para la predicción de trayectorias multimodales de peatones, transacciones IEEE sobre instrumentación y medición. [papel]
Codificador-decodificador-NN profundo: un modelo de corrección y predicción de trayectoria de vehículo autónomo basado en aprendizaje profundo, Física A: Mecánica estadística y sus aplicaciones. [papel]
PTPGC: Predicción de trayectoria de peatones mediante red de atención de gráficos con ConvLSTM, Robótica y Sistemas Autónomos. [papel]
GCHGAT: predicción de la trayectoria de un peatón utilizando redes de atención de gráficos jerárquicos restringidos por grupos, Inteligencia Aplicada. [papel]
Predicción de trayectoria de vehículos mediante red VAE recurrente, acceso IEEE. [papel] [código]
SEEM: Un modelo basado en energía de entropía de secuencia para la predicción todo-luego-uno de la trayectoria de peatones, TPAMI. [papel]
PTP-STGCN: Predicción de trayectoria peatonal basada en una red neuronal convolucional de gráfico espacio-temporal, Inteligencia Aplicada. [papel]
Distribuciones de trayectoria: una nueva descripción del movimiento para la predicción de trayectorias, medios visuales computacionales. [papel]
Predicción de trayectoria para conducción autónoma basada en gráfico espacio-temporal multiescala, IET Intelligent Transport Systems. [papel]
Predicción de trayectorias basada en aprendizaje continuo con redes de memoria aumentada, Sistemas basados en el conocimiento. [papel]
Atten-GAN: Predicción de trayectoria peatonal con GAN basada en mecanismo de atención, computación cognitiva. [papel]
EvoSTGAT: Redes de atención de gráficos espaciotemporales en evolución para la predicción de trayectorias de peatones, Neurocomputación. [papel]
Aumento de la conciencia contextual en la previsión de movimiento, Talleres CVPR 2022. [artículo] [código]
Redes recurrentes autoatentivas impulsadas por objetivos para la predicción de trayectorias, talleres CVPR 2022. [artículo] [código]
La importancia está en su atención: predicción de la importancia del agente para la conducción autónoma, talleres CVPR 2022. [artículo]
MPA: Arquitectura basada en MultiPath++ para predicción de movimiento, Talleres CVPR 2022. [artículo] [código]
TPAD: Identificación de predicciones de trayectoria efectivas bajo la guía del modelo de detección de anomalías de trayectoria, arXiv:2201.02941, 2022. [artículo]
Wayformer: Previsión de movimiento a través de redes de atención simples y eficientes, preimpresión de arXiv arXiv:2207.05844, 2022. [artículo]
PreTR: Transformador de predicción de trayectoria no autorregresivo espacio-temporal, preimpresión de arXiv arXiv:2203.09293, 2022. [artículo]
LatentFormer: Modelado de interacción y predicción de trayectoria basados en transformadores de agentes múltiples, preimpresión de arXiv arXiv:2203.01880, 2022. [artículo]
Predicción de trayectorias múltiples diversas utilizando una red de predicción de dos etapas entrenada con pérdida de carril, preimpresión de arXiv arXiv:2206.08641, 2022. [artículo]
Entrenamiento adversario semisupervisado guiado por semántica para la predicción de trayectoria, preimpresión de arXiv arXiv:2205.14230, 2022. [artículo]
Previsión de trayectorias heterogéneas mediante el aprendizaje de gráficos de escenas y riesgos, preimpresión de arXiv arXiv:2211.00848, 2022. [artículo]
GATraj: un modelo de predicción de trayectoria de múltiples agentes basado en gráficos y atención, preimpresión de arXiv arXiv:2209.07857, 2022. [artículo] [código]
Redes con reconocimiento de grupos dinámicos para la predicción de trayectorias de múltiples agentes con razonamiento relacional, preimpresión de arXiv arXiv:2206.13114, 2022. [artículo]
La incertidumbre colaborativa beneficia el pronóstico de trayectoria multimodal y multiagente, preimpresión de arXiv arXiv:2207.05195, 2022. [artículo] [código]
Difusión condicional guiada para simulación de tráfico controlable, preimpresión de arXiv arXiv:2210.17366, 2022. [artículo] [sitio web]
PhysDiff: modelo de difusión del movimiento humano guiado por la física, preimpresión de arXiv arXiv:2212.02500, 2022. [artículo]
MPA: Arquitectura basada en MultiPath++ para la predicción de movimiento, Taller CVPR sobre conducción autónoma 2022. [artículo] [código]
Incertidumbre colaborativa en la previsión de trayectorias de múltiples agentes, NeurIPS 2021. [artículo]
GRIN: Red de intención y relación generativa para la predicción de trayectorias de múltiples agentes, NeurIPS 2021. [artículo] [código]
LibCity: una biblioteca abierta para la predicción del tráfico, SIGSPATIAL 2021. [artículo] [código]
Predicción de trayectorias de vehículos en escenarios urbanos con redes de transformadores e información aumentada, Simposio de vehículos inteligentes IEEE (IV 2021). [papel]
ETAPA social: Pronóstico de trayectoria futura multimodal espacio-temporal, ICRA 2021. [artículo]
AVGCN: Predicción de trayectoria mediante redes convolucionales gráficas guiadas por atención humana, ICRA 2021. [artículo]
Exploración del contexto dinámico para la predicción de trayectorias de múltiples rutas, ICRA 2021. [artículo] [código]
Predicción de la trayectoria de los peatones mediante redes de transformadores de contexto aumentado, ICRA 2021. [artículo] [código]
Red neuronal de gráfico temporal espectral para predicción de trayectoria, ICRA 2021. [artículo]
Predicción de trayectoria de múltiples agentes consciente de la congestión para evitar colisiones, ICRA 2021. [artículo] [código]
Navegación anticipatoria entre multitudes mediante predicción probabilística de movimientos futuros de peatones, ICRA 2021. [artículo]
AgentFormer: Transformadores con reconocimiento de agentes para pronósticos sociotemporales de múltiples agentes, ICCV 2021. [artículo] [código] [sitio web]
Muestreo diverso basado en probabilidades para pronóstico de trayectoria, ICCV 2021. [artículo] [código]
MG-GAN: un modelo multigenerador que previene muestras fuera de distribución en la predicción de la trayectoria de los peatones, ICCV 2021. [artículo] [código]
Red de coherencia espacial-temporal para la previsión de trayectorias de baja latencia, ICCV 2021. [artículo]
Tres pasos para la predicción de trayectorias multimodales: agrupación, clasificación y síntesis de modalidades, ICCV 2021. [artículo]
De objetivos, puntos de referencia y caminos a la previsión de la trayectoria humana a largo plazo, ICCV 2021. [artículo] [código]
¿Adónde te diriges? Predicción de trayectoria dinámica con ejemplos de objetivos de expertos, ICCV 2021. [artículo] [código]
DenseTNT: predicción de trayectoria de un extremo a otro a partir de conjuntos de objetivos densos, ICCV 2021. [artículo]
Predicción de movimiento consciente de la seguridad con vehículos invisibles para conducción autónoma, ICCV 2021. [artículo] [código]
LOKI: Intenciones clave y a largo plazo para la predicción de trayectoria, ICCV 2021. [artículo] [conjunto de datos]
Predicción de la trayectoria humana mediante análisis contrafactual, ICCV 2021. [artículo] [código]
Predicción de trayectoria personalizada mediante discriminación de distribución, ICCV 2021. [artículo] [código]
Interacción vecinal ilimitada para la predicción de trayectorias heterogéneas, ICCV 2021. [artículo] [código]
NCE social: aprendizaje contrastivo de representaciones de movimiento socialmente conscientes, ICCV 2021. [artículo] [código]
RAIN: Red de inferencia de atención híbrida reforzada para previsión de movimiento, ICCV 2021. [artículo]
Red piramidal temporal para predicción de trayectorias de peatones con supervisión múltiple, AAAI 2021. [artículo]
SCAN: una red atenta al contexto espacial para la predicción conjunta de intenciones de múltiples agentes, AAAI 2021. [artículo]
Red convolucional de gráficos multirrelacionales desenredados para la predicción de trayectorias de peatones, AAAI 2021. [artículo] [código]
MotionRNN: un modelo flexible para la predicción de vídeo con movimientos variables en el espacio-tiempo, CVPR 2021. [artículo]
Predicción de movimiento multimodal con transformadores apilados, CVPR 2021. [artículo] [código] [sitio web]
SGCN: Red de convolución de gráficos dispersos para la predicción de trayectorias de peatones, CVPR 2021. [artículo] [código]
LaPred: Predicción con reconocimiento de carril de trayectorias futuras multimodales de agentes dinámicos, CVPR 2021. [artículo]
Divide y vencerás para la predicción de trayectorias diversas según el carril, CVPR 2021. [artículo]
Euro-PVI: Interacciones entre peatones y vehículos en centros urbanos densos, CVPR 2021. [artículo] [conjunto de datos]
Predicción de trayectoria con modelo basado en energía de creencia latente, CVPR 2021. [artículo] [código]
Predicción de trayectoria intermodal compartida para la conducción autónoma, CVPR 2021. [Documento]
Predicción de trayectoria de peatones y del vehículo del ego de la cámara monocular, CVPR 2021. [Documento] [Código]
Anclas sociales interpretables para el pronóstico de la trayectoria humana en las multitudes, CVPR 2021. [Documento]
Introvertido: Predicción de trayectoria humana a través de la atención condicional 3D, CVPR 2021. [Documento]
MP3: Un modelo unificado para mapear, percibir, predecir y planificar, CVPR 2021. [Documento]
Traficsim: aprendiendo a simular comportamientos realistas de múltiples agentes, CVPR 2021. [Documento]
Red de transformadores multimodal para predicción de trayectoria peatonal, IJCAI 2021. [Documento] [Código]
Decoder Fusion RNN: decodificadores conscientes de contexto e interacción para la predicción de trayectoria, IROS 2021. [Documento]
Intención conjunta y predicción de trayectoria basada en Transformer, IROS 2021. [Documento]
Predicción de trayectoria basada en maniobras para autos autónomos utilizando redes convolucionales espacio-temporales, IROS 2021. [Documento]
Múltiples señales contextuales Predicción de trayectoria integrada para la conducción autónoma, IROS 2021. [Documento]
Multixnet: predicción de movimiento multimodal multiclase multimodal, Simposio de vehículos inteligentes IEEE (IV 2021). [papel]
Predicción de trayectoria para la conducción autónoma basada en la atención de múltiples cabezas con representación conjunta de agentes mapas de agente, Simposio de vehículos inteligentes IEEE (IV 2021). [papel]
Social-Iwstcnn: una red neuronal convolucional espacio-temporal ponderada en interacción social para la predicción de trayectoria peatonal en escenarios de tráfico urbano, IV 2021. [Documento]
Generación de escenarios con diversos comportamientos peatonales para pruebas de vehículos autónomos, conferencia sobre aprendizaje de robots (CORL 2021). [documento] [código]
Predicción de trayectoria multimodal condicionada en los recorridos de gráfico de carril, Corl 2021. [Documento] [Código]
Aprender a predecir las trayectorias del vehículo con la planificación basada en modelos, CORL 2021. [Documento]
Pronóstico de trayectoria basado en pose de usuarios vulnerables de la carretera que utilizan redes neuronales recurrentes, conferencia internacional sobre reconocimiento de patrones (ICPR 2021). [papel]
Graphtcn: modelado de interacción espacio-temporal para la predicción de trayectoria humana, WACV 2021. [Documento]
Predicción de trayectoria a largo plazo impulsada por objetivos, WACV 2021. [Documento]
Predicciones de trayectoria multimodal para la conducción autónoma sin un mapa anterior detallado, WACV 2021. [Documento]
Red de gráficos espaciales autodenominado para la predicción de trayectoria peatonal con el contexto, conferencia internacional IEEE sobre procesamiento de imágenes (ICIP 2021). [documento] [código]
S2TNET: redes de transformadores espacio-temporales para la predicción de trayectoria en la conducción autónoma, Conferencia Asiática sobre el aprendizaje automático 2021. [Documento] [Código]
Aprendizaje de representaciones estructuradas de dinámica espacial e interactiva para la predicción de trayectoria en escenas abarrotadas, Robótica IEEE y cartas de automatización 2021 [Documento], [Código]
Predicción de trayectoria utilizando convolución continua equivalente, ICLR 2021. [Documento] [Código]
Tridentnet: un modelo generativo condicional para la generación de trayectoria dinámica, Conferencia Internacional sobre Sistemas Autónomos Inteligentes 2021. [Documento]
Inicio: salida de mapa de calor para una estimación de movimiento futuro, ITSC 2021. [Documento]
Gráfico y predicción recurrente de trayectoria de trayectoria de vehículos neuronales para la conducción en carreteras, ITSC 2021. [Documento]
Atención SCSG: un gráfico de estrella egocéntrico con atención para la predicción de trayectoria de peatones, conferencia internacional sobre sistemas de bases de datos para aplicaciones avanzadas (DASFAA 2021). [papel]
Aprovechando la predicción de trayectoria para la detección de anomalías de video peatonal, serie de simposios IEEE sobre inteligencia computacional (SSCI 2021). [documento] [código]
¿Los modelos de predicción de trayectoria socialmente conscientes son realmente conscientes socialmente?, Investigación de transporte: Parte C. [Documento, documento] [Código]
Inyectar conocimiento en predictores de trayectoria de vehículos basados en datos, investigación de transporte: Parte C. [Documento] [Código]
Decodificación de interacciones de peatones y vehículos automatizados utilizando realidad virtual inmersiva y aprendizaje profundo interpretable, investigación de transporte: parte C. [documento]
Pronóstico de trayectoria humana en las multitudes: una perspectiva de aprendizaje profundo, transacciones IEEE en sistemas de transporte inteligente. [documento] [código]
Nettraj: un modelo de predicción de trayectoria de vehículos basado en la red con representación direccional y mecanismos de atención espacio-temporal, TITS. [papel]
Gráfico espacio-temporal Red de doble atención para predicción y seguimiento de agentes múltiples, tetas. [papel]
Un marco jerárquico para la predicción del comportamiento interactivo de los participantes heterogéneos del tráfico basado en la red neuronal gráfica, TITS. [papel]
Trajgail: Generación de trayectorias de vehículos urbanos utilizando aprendizaje de imitación adversaria generativa, Investigación de transporte Parte C. [Documento] [Código]
Predicción de la trayectoria del vehículo utilizando una red adversaria generativa con características de árbol de sintaxis lógica temporal, robótica IEEE y letras de automatización. [papel]
Predicción de trayectoria del vehículo utilizando LSTM con mecanismos de atención espacial-temporales, revista IEEE Intelligent Transportation Systems. [documento] [código]
Predicción de trayectoria longitudinal de vehículos a largo plazo basado en la memoria a corto plazo en un entorno de vehículos conectados y autónomos, Registro de investigación de transporte. [papel]
Red de pirámide temporal con atención espacial-temporal para la predicción de trayectoria peatonal, transacciones IEEE en ciencia e ingeniería de redes. [papel]
Un modelo espacial -temporal eficiente basado en unidades lineales cerradas para la predicción de trayectoria, neurocomputación. [papel]
SRAI-LSTM: Una relación social basada en la atención LSTM para la predicción de la trayectoria humana, neurocomputación. [papel]
AST-GNN: una red neuronal de gráfico espacio-temporal basado en la atención para la predicción de la trayectoria peatonal consciente de la interacción, neurocomputación. [papel]
Multi-PPTP: predicción de trayectoria peatonal probabilística múltiple en la escena de unión compleja, transacciones IEEE en sistemas de transporte inteligentes. [papel]
Un novedoso predictor de trayectoria basado en gráficos con Pseudo-Oracle, tnnls. [papel]
Generación de trayectoria GPS a gran escala utilizando MAP basado en GaN de dos etapas, Journal of Data Science. [documento] [código]
Pose y semántico pronosticado basado en mapas de trayectorias de los usuarios vulnerables de la carretera, transacciones IEEE en vehículos inteligentes. [papel]
STI-GAN: predicción de trayectoria peatonal multimodal utilizando interacciones espacio-temporales y una red adversaria generativa, IEEE Access. [papel]
LSTM holístico para predicción de trayectoria peatonal, punta. [papel]
Predicción de trayectoria peatonal con redes neuronales convolucionales, pr. [papel]
Modelo de predicción de trayectoria basado en LSTM para el ciclista que utiliza múltiples interacciones con el entorno, Pr. [papel]
Predicción y generación de trayectoria humana utilizando modelos LSTM y GAN, PR. [papel]
Predicción y generación de trayectoria del vehículo utilizando modelos LSTM y GANS, PLoS One. [papel]
Bit Rap: predicción de trayectoria peatonal bidireccional con estimación de objetivos multimodal, RAL. [documento] [código]
Un modelo cinemático para la predicción de trayectoria en los escenarios de carreteras generales, RAL. [documento] [código]
Predicción de trayectoria en conducción autónoma con una pérdida auxiliar de rumbo de carril, Ral. [papel]
Predicción de trayectoria del vehículo utilizando una red adversaria generativa con características de árbol de sintaxis lógica temporal, RAL. [papel]
Tra2tra: predicción de trayectoria a trayectoria con una red neuronal atenta social-temporal social global, RAL. [papel]
Gráfico social LSTM convolucional para predicción de trayectoria peatonal, sistemas de transporte inteligente IET. [papel]
HSTA: un modelo de atención espacio-temporal jerárquico para la predicción de trayectoria, transacciones IEEE en tecnología vehicular (TVT). [papel]
Red de asistencia ambiental para predicción de trayectoria de vehículos, TVT. [papel]
¿A dónde van? Predecir los comportamientos humanos en escenas abarrotadas, transacciones ACM en computación multimedia, comunicaciones y aplicaciones (TOMM). [papel]
Predicción de trayectoria de múltiples agentes con fusión de secuencia espacio-temporal, transacciones IEEE en multimedia (TMM). [papel]
Evolvegraph: predicción de trayectoria de múltiples agentes con razonamiento relacional dinámico, Neurips 2020. [Documento]
V2VNET- Comunicación de vehículo a vehículo para la percepción y predicción de las articulaciones, ECCV 2020. [Documento]
Predicción de trayectoria recurrente múltiple inteligente y simultánea, ECCV 2020. [Documento]
Simaug- Aprendiendo representaciones sólidas de la simulación para la predicción de trayectoria, ECCV 2020. [Documento]
Representaciones de gráficos de Learning Lane para el pronóstico de movimiento, ECCV 2020. [Documento]
Modelo de variable latente implícito para el pronóstico de movimiento consistente en la escena, ECCV 2020. [Documento]
Pronóstico de trayectoria diversa y admisible a través de la comprensión del contexto multimodal, ECCV 2020. [Documento]
Síntesis semántica de locomoción peatonal, ACCV 2020. [Documento]
Mapas de trayectoria del kernel para la predicción de movimiento probabilístico multimodal, CORL 2019. [Documento] [Código]
Social-Wagdat: Predicción de trayectoria de interacción a través de la red de doble atención del gráfico Wasserstein, 2020. [Documento]
Social: aprendizaje contrastante de representaciones de movimiento socialmente conscientes. [documento], [código]
Pronóstico de trayectoria basado en pose de usuarios vulnerables de la carretera que utilizan redes neuronales recurrentes, Talleres y Desafíos ICPR International 2020. [Documento]
Evolvegraph: predicción de trayectoria de múltiples agentes con razonamiento relacional dinámico, Neurips 2020. [Documento]
Redes de transformadores gráficos espacio-temporales para predicción de trayectoria de peatones, ECCV 2020. [Documento]
No es el viaje, sino la predicción de trayectoria condicionada de punto final de destino, ECCV 2020. [Documento]
¿Cómo puedo ver mi futuro? FVTRAJ: Uso de la vista en primera persona para la predicción de trayectoria peatonal, ECCV 2020. [Documento]
LSTM de contexto dinámico y estático para la predicción de movimiento de múltiples agentes, ECCV 2020. [Documento]
Pronóstico de trayectoria humana en multitudes: una perspectiva de aprendizaje profundo, 2020. [Documento], [Código]
Simaug: Aprendiendo representaciones sólidas de la simulación 3D para la predicción de trayectoria de peatones en cámaras invisibles, ECCV 2020. [Documento], [Código]
DAG-NET: red neuronal de doble atención para el pronóstico de trayectoria, ICPR 2020. [Documento] [Código]
Desengling de dinámica humana para el pronóstico de locomoción peatonal con supervisión ruidosa, WACV 2020. [Documento]
Social-Wagdat: Predicción de trayectoria de interacción a través de la red de doble atención del gráfico Wasserstein, 2020. [Documento]
Social-Stgcnn: una red neuronal de gráfico espacial social-temporal para predicción de trayectoria humana, CVPR 2020. [Documento], [Código]
El jardín de las rutas de bifurcación: Hacia la predicción de trayectoria multifutería, CVPR 2020. [Documento], [Código/conjunto de datos]
Desengling de dinámica humana para el pronóstico de locomoción peatonal con supervisión ruidosa, WACV 2020. [Documento]
Pronóstico de trayectoria basado en pose de usuarios vulnerables de la carretera, SSCI 2019. [Documento]
Trajectron: modelado probabilístico de trayectoria de múltiples agentes con gráficos espacio-temporales dinámicos, ICCV 2019. [Documento] [Código]
STGAT: Modelado de interacciones espaciales-temporales para la predicción de trayectoria humana, ICCV 2019. [Documento] [Código]
Estimación de movimiento futuro a nivel de instancia en una sola imagen basada en la regresión ordinal, ICCV 2019. [Documento]
Predicción de trayectoria social y consciente de la escena en espacios abarrotados, Taller ICCV 2019. [Documento] [Código]
Simulación de muestreo estocástico para la predicción de trayectoria de peatones, IROS 2019. [Documento]
Predicción a largo plazo de trayectorias de movimiento utilizando racimos de homología de ruta, IROS 2019. [Documento]
Starnet: predicción de trayectoria peatonal utilizando una red neuronal profunda en topología de estrellas, IROS 2019. [Documento]
Aprendizaje de modelos generativos de movimiento de peatones generativos, IROS 2019. [Documento]
Predicción de trayectoria peatonal consciente de la situación con modelo de atención espacio-temporal, CVWW 2019. [Documento]
Predicciones de ruta utilizando atributos de objetos y entorno semántico, Visigrapp 2019. [Documento]
Planificación de la ruta probabilística utilizando la predicción de la trayectoria de obstáculos, Cods-comad 2019. [Documento]
Predicción de trayectoria humana usando pérdida adversaria, corazón 2019. [Documento], [Código]
Formas sociales: aprendizaje de distribuciones multimodales de trayectorias peatonales con GANS, CVPR 2019. [ Taller de precognición ], [documento], [código]
Entrando en el futuro: Predicción de actividades y ubicaciones de las personas futuras en videos, CVPR 2019. [Documento], [Código]
Aprendiendo a inferir relaciones para el pronóstico de trayectoria futura, CVPR 2019. [Documento]
Traphic: predicción de trayectoria en el tráfico denso y heterogéneo utilizando interacciones ponderadas, CVPR 2019. [Documento]
¿A qué manera vas? Aprendizaje de decisión imitativa para el pronóstico de ruta en escenas dinámicas, CVPR 2019. [Documento]
Superar limitaciones de las redes de densidad de mezcla: un marco de muestreo y ajuste para la predicción futura multimodal, CVPR 2019. [Documento] [Código]
Sophie: un ganador atento para predecir caminos que cumplen con las limitaciones sociales y físicas, CVPR 2019. [Documento] [Código]
Predicción de ruta, pose e intención peatonal a través de modelos dinámicos de procesos gaussianos y reconocimiento de actividad peatonal, 2019. [Documento]
Predicción de movimiento de interacción multimodal para el cruce de calles autónomos, 2019. [Documento]
Cuanto más simple, mejor: velocidad constante para la predicción del movimiento de peatones, 2019. [Documento]
Predicción de trayectoria peatonal en escenarios extremadamente concurridos, 2019. [Documento]
SRLSTM: Refinamiento de estado para LSTM hacia la predicción de trayectoria de peatones, 2019. [Documento]
Atención a velocidad de ubicación para la predicción de trayectoria peatonal, WACV 2019. [Documento]
Predicción de trayectoria peatonal en escenarios extremadamente concurridos, Sensors, 2019. [Documento]
Previsión de la trayectoria y el comportamiento de los agentes de la carretera utilizando la agrupación espectral en Graph-LSTMS, 2019. [Documento] [Código]
Predicción conjunta para trayectorias cinemáticas en escenas de vehículo-piestres, ICCV 2019. [Documento]
Análisis de la pérdida de variedades en el contexto de la predicción de trayectoria probabilística, ICCV 2019. [Documento]
Buscando relaciones para el pronóstico de trayectoria futura, ICCV 2019. [Documento]
Comportamiento conjunta de comportamiento y planificación de trayectoria para vehículos autónomos, IROS 2019. [Documento]
Compartir es cariñoso: negociación de intersección autónoma socialmente compatible, IROS 2019. [Documento]
Inferir: representaciones intermedias para predicción futura, IROS 2019. [Documento] [Código]
Conducción autónoma predictiva profunda utilizando predicción de trayectoria conjunta de múltiples agentes y reglas de tráfico, IROS 2019. [Documento]
Neurotrajectoria: un enfoque neuroevolutivo para el aprendizaje de trayectoria de estado local para vehículos autónomos, IROS 2019. [Documento]
Predicción de trayectoria de la calle Urban con redes LSTM de múltiples clases, IROS 2019. [N/A]
Aprendizaje espacio -temporal de la incertidumbre direccional en entornos urbanos con redes de densidad de mezcla recurrente del núcleo, IROS 2019. [Documento]
Sistema neuronal generativo condicional para la predicción de trayectoria probabilística, IROS 2019. [Documento]
El seguimiento de múltiples agentes de interacción y la predicción del comportamiento probabilístico a través del aprendizaje adversario, ICRA 2019. [Documento]
Seguimiento genérico y marco de predicción probabilística y su aplicación en conducción autónoma, IEEE Trans. Intel. Transporte. Systems, 2019. [Documento]
Predicción de coordinación y trayectoria para las interacciones de vehículos a través del modelado generativo bayesiano, IV 2019. [Documento]
El aprendizaje generativo de Wasserstein con restricciones cinemáticas para la predicción probabilística del comportamiento de conducción interactiva, IV 2019. [Documento]
Grip: predicción de trayectoria de interacción basada en gráficos, ITSC 2019. [Documento]
AGEN: Redes de predicción generativa adaptables para la conducción autónoma, IV 2019. [Documento]
Traphic: predicción de trayectoria en el tráfico denso y heterogéneo utilizando interacciones ponderadas, CVPR 2019. [Documento], [Código]
Predicción de múltiples pasos de mapas de cuadrícula de ocupación con redes neuronales recurrentes, CVPR 2019. [Documento]
Argumentación: seguimiento y pronóstico en 3D con mapas ricos, CVPR 2019 [documento]
Modelado aleatórico robusto para futura localización de vehículos, CVPR 2019. [Documento]
Predicción de ocupación de peatones para vehículos autónomos, IRC 2019. [Documento]
Predicción de ruta basada en el contexto para objetivos con Dynamics de conmutación, 2019. [Documento]
Modelos imitativos profundos para inferencia, planificación y control flexibles, 2019. [Documento]
Inferir: representaciones intermedias para predicción futura, 2019. [Documento] [Código]
Fusión de tensor múltiple para la predicción de trayectoria contextual, 2019. [Documento]
Predicción de movimiento peatonal consciente del contexto en intersecciones urbanas, 2018. [Documento]
Reconocimiento y predicción de situación interactiva probabilística genérica: de virtual a real, ITSC 2018. [Documento]
Marco de seguimiento de vehículos genéricos capaces de manejar oclusiones basadas en el filtro de partículas de mezcla modificado, IV 2018. [Papel]
Predicción de trayectoria multimodal de vehículos circundantes con LSTMS basados en maniobra, 2018. [Documento]
Predicción de secuencia a secuencia de la trayectoria del vehículo a través de LSTM Coder-Decoder Architecture, 2018. [Documento]
R2P2: Una política de empuje de reparameterizada para pronósticos de ruta generativa diversa y precisa, ECCV 2018. [Documento]
Predicción de trayectorias de vehículos utilizando antecedentes de movimiento a gran escala, IV 2018. [Documento]
Predicción de la trayectoria del vehículo mediante la integración de enfoques basados en física y maniobra utilizando múltiples modelos interactivos, 2018. [Documento]
Predicción de movimiento de los actores de tráfico para la conducción autónoma utilizando redes convolucionales profundas, 2018. [Documento]
Clonación de comportamiento múltiple generativo, 2018. [Documento]
Aprendizaje de secuencia profunda con información auxiliar para la predicción del tráfico, KDD 2018. [Documento], [Código]
Un modelo basado en datos para la predicción de movimiento de peatones consciente de la interacción en entornos abarrotados de objetos, ICRA 2018. [Documento]
Mover, asistir y predecir: un modelo neuronal basado en la atención para la predicción del movimiento de las personas, letras de reconocimiento de patrones 2018. [Documento]
GD-Gan: redes adversas generativas para la predicción de trayectoria y detección de grupos en multitudes, ACCV 2018, [documento], [demo]
SS-LSTM: un modelo LSTM jerárquico para la predicción de trayectoria peatonal, WACV 2018. [Documento]
Atención social: Modelado de atención en las multitudes humanas, ICRA 2018. [Documento] [Código]
Predicción peatonal mediante la planificación del uso de redes neuronales profundas, ICRA 2018. [Documento]
Predicción conjunta a largo plazo del movimiento humano utilizando un enfoque de fuerza social basado en la planificación, ICRA 2018. [Documento]
Predicción de movimiento humano bajo restricciones de agrupación social, IROS 2018. [Documento]
Localización de la persona futura en videos en primera persona, CVPR 2018. [Documento]
GaN Social: trayectorias socialmente aceptables con redes adversas generativas, CVPR 2018. [Documento] [Código]
Grupo LSTM: Predicción de trayectoria grupal en escenarios abarrotados, ECCV 2018. [Documento]
MX-LSTM: Mezcla de seguimiento y visitas para pronosticar conjuntamente trayectorias y posturas de la cabeza, CVPR 2018. [Documento]
Predicción de intención de peatones a través de trayectorias de movimiento utilizando redes neuronales recurrentes apiladas, 2018. [Documento]
Modelos de predicción de movimiento de peatones transferibles en las intersecciones, 2018. [Documento]
Predicción de movimiento peatonal basado en mapa probabilístico Teniendo en cuenta a los participantes del tráfico, 2018. [Documento]
Un modelo computacionalmente eficiente para la predicción de movimiento de peatones, ECC 2018. [Documento]
Predicción de trayectoria consciente del contexto, ICPR 2018. [Documento]
Predicción basada en el conjunto de peatones en entornos urbanos considerando reglas de tráfico formal, ITSC 2018. [Documento]
Construcción de conocimiento previo: un modelo de predicción peatonal con sede en Markov utilizando datos ambientales urbanos, ICARCV 2018. [Documento]
Información de profundidad Guía de la multitud Contando para escenas de multitudes complejas, 2018. [Documento]
Seguimiento por predicción: un modelo generativo profundo para la localización y seguimiento de la persona Mutli, WACV 2018. [Documento]
"Ver es creer": pronóstico de trayectoria peatonal usando el frustum visual de la atención, WACV 2018. [Documento]
Predicción a bordo a largo plazo de las personas en escenas de tráfico bajo incertidumbre, CVPR 2018. [Documento], [Código+Datos]
Codificación de la interacción de la multitud con una red neuronal profunda para la predicción de trayectoria peatonal, CVPR 2018. [Documento], [Código]
Toma de decisiones multipólicas para la conducción autónoma a través de la predicción del comportamiento basada en Changepoint, 2017. [Documento]
Predicción probabilística a largo plazo para vehículos autónomos, IV 2017. [Documento]
Predicción de trayectoria del vehículo probabilístico sobre el mapa de la cuadrícula de ocupación a través de la red neuronal recurrente, ITSC 2017. [Documento]
Deseo: predicción futura lejana en escenas dinámicas con agentes interactivos, CVPR 2017. [Documento] [Código]
Imitando el comportamiento del conductor con redes adversas generativas, 2017. [Documento] [Código]
Infogail: aprendizaje de imitación interpretable de las demostraciones visuales, 2017. [Documento] [Código]
Planificación a largo plazo por predicción a corto plazo, 2017. [Documento]
Predicción de ruta a largo plazo en escenarios urbanos utilizando distribuciones circulares, 2017. [Documento]
Predicción de ruta visual impulsada por el aprendizaje profundo de una sola imagen, 2016. [Documento]
Caminando por delante: The Headed Social Force Model, 2017. [Documento]
Pronóstico de peatones probabilístico certificado en tiempo real, 2017. [Documento]
Un enfoque de predictor múltiple para la predicción del movimiento humano, ICRA 2017. [Documento]
Pronóstico de dinámica interactiva de peatones con juego ficticio, CVPR 2017. [Documento]
Pronosticar los caminos plausibles en escenas de la multitud, IJCAI 2017. [Paper]
Bi-predicción: predicción de trayectoria peatonal basada en la clasificación Bidireccional de LSTM, Dicta 2017. [Documento]
¿Agresivo, tenso o tímido? Identificación de rasgos de personalidad de videos de multitudes, IJCAI 2017. [Documento]
Método basado en la visión natural para predecir el comportamiento peatonal en entornos urbanos, ITSC 2017. [Documento]
Predicción de la trayectoria humana utilizando modelos de atención profunda espacialmente consciente, 2017. [Documento]
Soft + atención cableada: un marco LSTM para la predicción de la trayectoria humana y la detección anormal de eventos, 2017. [Documento]
Pronóstico de dinámica interactiva de peatones con juego ficticio, CVPR 2017. [Documento]
Social LSTM: Predicción de trayectoria humana en espacios abarrotados, CVPR 2016. [Documento] [Código]
Comparación y evaluación de modelos de movimiento de peatones para sistemas de seguridad de vehículos, ITSC 2016. [Documento]
Age y comportamiento peatonal impulsado por el grupo: desde observaciones hasta simulaciones, 2016. [Documento]
Structural-RNN: Aprendizaje profundo en gráficos espacio-temporales, CVPR 2016. [Documento] [Código]
Predicción a largo plazo de la intención del movimiento peatonal, ICRA 2016. [Documento]
Detección basada en el contexto de la intención de cruce de peatones para la conducción autónoma en entornos urbanos, IROS 2016. [Documento]
Nuevos algoritmos basados en la planificación para la predicción del movimiento humano, ICRA 2016. [Documento]
Aprendizaje de la etiqueta social: comprensión de la trayectoria humana en escenas abarrotadas, ECCV 2016. [Documento] [Código]
Predicción de ruta peatonal GLMP-REALTIME Uso de patrones de movimiento global y local, ICRA 2016. [Documento]
Transferencia de conocimiento para la predicción de movimiento específica de la escena, ECCV 2016. [Documento]
STF-RNN: Red neuronal recurrente basada en características del tiempo para predecir la próxima ubicación de las personas, SSCI 2016. [Código]
Predicción peatonal dirigida por objetivos, ICCV 2015. [Documento]
Análisis de trayectoria y predicción para mejorar la seguridad de los peatones: marco integrado y evaluaciones, 2015. [Documento]
Predicción y reconocimiento de interacciones humanas en espacios públicos, 2015. [Documento]
Aprender comportamientos colectivos de la multitud con agentes de peatones dinámicos, 2015. [Documento]
Modelado de la dinámica espacial-temporal de los movimientos humanos para predecir las trayectorias futuras, AAAI 2015. [Documento]
Robot sin supervisión aprendiendo a predecir el movimiento de la persona, ICRA 2015. [Documento]
Un filtro de modelo múltiple interactivo controlado para el reconocimiento de intención peatonal combinado y la predicción de ruta, ITSC 2015. [Documento]
Modelado predictivo en tiempo real y evitación robusta de peatones con intenciones inciertas y cambiantes, 2014. [Documento]
Estimación de comportamiento para un marco completo para la predicción del movimiento humano en entornos abarrotados, ICRA 2014. [Documento]
Pronóstico de trayectoria de peatones en tráfico público con red neuronal artificial, ICPR 2014. [Documento]
¿Se cruzará el peatón? Un estudio sobre predicción de la ruta peatonal, 2014. [Documento]
BRVO: Predicción de trayectorias peatonales utilizando el razonamiento del espacio de velocidad, 2014. [Documento]
Predicción de ruta peatonal basada en el contexto, ECCV 2014. [Documento]
Predicción de la ruta peatonal usando rasgos de lenguaje corporal, 2014. [Documento]
Reconocimiento de maniobras en línea y predicción de trayectoria multimodal para asistencia de intersección utilizando regresión no paramétrica, 2014. [Documento]
Intenciones de aprendizaje para mejorar la predicción del movimiento humano, 2013. [Documento]
Comprensión de las interacciones entre los participantes del tráfico basado en comportamientos aprendidos, 2016. [Documento]
Predicción de la ruta visual en escenas complejas con objetos en movimiento abarrotados, CVPR 2016. [Documento]
Un enfoque teórico del juego para la predicción y planificación de la escena interactiva consciente de la replanación, 2016. [Documento]
La intención consciente de la planificación de POMDP en línea para la conducción autónoma en una multitud, ICRA 2015. [Documento]
Reconocimiento de maniobras en línea y predicción de trayectoria multimodal para asistencia de intersección utilizando regresión no paramétrica, 2014. [Documento]
Patch to the Future: Predicción visual no supervisada, CVPR 2014. [Documento]
Predicción de la trayectoria del agente móvil utilizando árboles de acachabilidad no paramétricos bayesianos, 2011. [Documento]

Robots móviles

Navegación anticipatoria en multitudes por predicción probabilística de movimientos futuros peatonales, ICRA 2021. [Documento]
Social: aprendizaje contrastante de representaciones de movimiento socialmente conscientes. [documento], [código]
Planificación basada en modelos probabilísticos multimodal para la interacción humano-robot, ICRA 2018. [Documento] [Código]
Evitación descentralizada de colisión multiagente no comunicante con aprendizaje de refuerzo profundo, ICRA 2017. [Documento]
Aprendizaje del diccionario aumentado para la predicción de movimiento, ICRA 2016. [Documento]
Predicción de futuros movimientos de agentes para entornos dinámicos, ICMLA 2016. [Documento]
Inferencia de la intención bayesiana para la predicción de trayectoria con un destino de objetivos desconocido, IROS 2015. [Documento]
Aprender a predecir trayectorias de agentes de navegación cooperativa, ICRA 2014. [Documento]

Jugadores deportivos

Evolvegraph: predicción de trayectoria de múltiples agentes con razonamiento relacional dinámico, Neurips 2020. [Documento]
Modelado imitativo no autorregésico para el pronóstico e imputación de la trayectoria, CVPR 2020. [Documento]
DAG-NET: red neuronal de doble atención para el pronóstico de trayectoria, ICPR 2020. [Documento] [Código]
Generación diversa para juegos deportivos de múltiples agentes, CVPR 2019. [Documento]
Predicción estocástica de interacciones múltiples de observaciones parciales, ICLR 2019. [Documento]
Generación de trayectorias de múltiples agentes utilizando supervisión débil programática, ICLR 2019. [Documento]
Clonación de comportamiento múltiple generativo, ICML 2018. [Documento]
¿A dónde irán? Predicción del movimiento de agentes múltiples adversos de grano fino utilizando autoencoders de variaciones condicionales, ECCV 2018. [Documento]
Aprendizaje de imitación de múltiples agentes coordinados, ICML 2017. [Documento]
Generación de trayectorias a largo plazo utilizando redes jerárquicas profundas, 2017. [Documento]
Aprendiendo modelos espaciales de grano fino para la predicción dinámica del juego deportivo, ICDM 2014. [Documento]
Modelado generativo del comportamiento multimodal multimanal, 2018. [Documento]
¿Qué pasará después? Pronóstico del jugador se mueve en videos deportivos, ICCV 2017, [papel]

Métricas de referencia y evaluación

Una caja de herramientas de preprocesamiento y evaluación para la investigación de predicción de trayectoria en los conjuntos de datos de drones, preimpresión ARXIV ARXIV: 2405.00604, 2024. [Documento] [Código]
Implícito social: repensar la evaluación de la predicción de la trayectoria y la efectividad de la estimación de máxima probabilidad implícita, ECCV 2022. [Documento] [Código]
Opentraj: Evaluación de la complejidad de la predicción en los conjuntos de datos de trayectorias humanas, ACCV 2020. [Documento] [Código]
Probar la seguridad de los vehículos autónomos simulando la percepción y la predicción, ECCV 2020. [Documento]
PIE: un conjunto de datos a gran escala y modelos para la estimación de la intención de peatones y la predicción de trayectoria, ICCV 2019. [Documento]
Hacia un punto de referencia consciente de la fatalidad de la predicción de reacción probabilística en escenarios de conducción altamente interactivos, ITSC 2018. [Documento]
¿Qué tan buena es mi predicción? Encontrar una medida de similitud para la evaluación de predicción de trayectoria, ITSC 2017. [Documento]
Trajnet: hacia un punto de referencia para la predicción de la trayectoria humana. [sitio web]

Otros

Pose basada en la detección de intención de inicio de ciclistas, ITSC 2019. [Documento]
Predicción de trayectoria del ciclista utilizando redes neuronales recurrentes bidireccionales, IA 2018. [Documento]
Indicadores de infraestructura de carretera para la predicción de trayectoria, 2018. [Documento]
Uso de la topología de la carretera para mejorar la predicción del ruta del ciclista, 2017. [Documento]
Predicción de trayectoria de ciclistas utilizando un modelo físico y una red neuronal artificial, 2016. [Documento]

Expandir