亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Diffusion With Reinforcement Learning for Pedestrian Trajectory Prediction

行人 弹道 强化学习 水准点(测量) 人工智能 概率分布 计算机科学 集合(抽象数据类型) 扩散 机器学习 分布(数学) 样品(材料) 编码(集合论) 数学优化
作者
Jinchen Yao,Zhenbo Lu,Yunyao Mao,Wengang Zhou,Houqiang Li
出处
期刊:IEEE Transactions on Intelligent Transportation Systems [Institute of Electrical and Electronics Engineers]
卷期号:26 (12): 22872-22882 被引量:3
标识
DOI:10.1109/tits.2025.3613552
摘要

The trajectories of pedestrian movements involve uncertainty, requiring a predictive probability model capable of modeling the underlying multimodality. To predict the trajectory of pedestrian, most existing methods try to learn the probability distribution of real pedestrian trajectories and then independently sample multiple times from this distribution to obtain a set of possible future paths. However, naively learning the distribution of real-world trajectories leads to sub-optimal results. In this paper, we design a model-agnostic reinforcement learning-based framework for pedestrian trajectory prediction. This framework models pedestrian trajectory generation as a denoising process, which is further formulated as a multi-step decision-making process. In our framework, we subtly design a reward function, which is used to optimize the diffusion model with policy-based reinforcement learning. We make evaluation on multiple benchmark datasets, including ETH/UCY and SDD datasets, where our approach achieves promising results. Our source code will be released at:https://github.com/ustc-yaojinchen/DRL-for-PTP
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
李密完成签到 ,获得积分10
1秒前
1秒前
朴素的飞丹完成签到 ,获得积分10
1秒前
6秒前
魁梧的小笼包完成签到,获得积分10
8秒前
11秒前
16秒前
Ava完成签到,获得积分10
16秒前
16秒前
20秒前
24秒前
嘻嘻哈哈的应助被科研通管家采纳,获得10
25秒前
嘻嘻哈哈的应助被科研通管家采纳,获得10
25秒前
25秒前
共享精神的应助被科研通管家采纳,获得10
25秒前
小蘑菇的应助被科研通管家采纳,获得10
25秒前
Akim的应助被科研通管家采纳,获得10
25秒前
华无剑的应助被科研通管家采纳,获得30
25秒前
29秒前
英俊的铭的应助被今晚打老虎采纳,获得10
30秒前
33秒前
36秒前
37秒前
37秒前
39秒前
40秒前
azhiyuan发布了新的文献求助10
43秒前
ycq发布了新的文献求助50
43秒前
43秒前
48秒前
单薄的白翠完成签到,获得积分10
50秒前
52秒前
56秒前
调皮雅柔完成签到,获得积分10
58秒前
59秒前
酷酷海豚完成签到,获得积分10
1分钟前
1分钟前
威武青寒完成签到,获得积分10
1分钟前
11完成签到 ,获得积分10
1分钟前
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Hidden Empire of Finance: How Wall Street Profits from Our Cities and Fuels Global Inequality 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8165954
求助须知:如何正确求助?哪些是违规求助? 9559332
关于积分的说明 21749951
捐赠科研通 7756726
什么是DOI,文献DOI怎么找? 3429092
关于科研通互助平台的介绍 2553386
邀请新用户注册赠送积分活动 2473657