Bayesian Intention Inferenz für die Trajektorienvorhersage mit einem unbekannten Zielort

Kontextuelle Hinweise können eine reiche Informationsquelle für Roboter darstellen, die in der Gegenwart anderer Akteure wie Menschen, Tiere, Fahrzeuge und andere Roboter tätig sind. Wir sind an Kontext interessiert, in Form der Verhaltensabsicht eines Akteurs, zur verbesserten Trajektorienvorhersage. Wir präsentieren einen bayesianischen Rahmen, der sowohl den beabsichtigten Zielort als auch die zukünftige Trajektorie eines mobilen Aktors, der sich zwischen mehreren statischen Hindernissen bewegt, schätzt. Unsere Methode basiert auf multimodalen Hypothesen des beabsichtigten Ziels und konzentriert sich hauptsächlich auf die langfristige Trajektorie des Akteurs. Wir schlagen eine recheneffiziente Lösung vor und demonstrieren deren Verhalten in einem Fußgängerszenario mit einem Datensatz aus der realen Welt. Die Ergebnisse zeigen die Vorteile unserer Methode im Vergleich zu traditionellen Trajektorienvorhersagemethoden und verdeutlichen die Machbarkeit der Integration mit hochrangigen Planungsalgorithmen.