轨迹预测Physical Plausibility-aware Trajectory Prediction via Locomotion Embodiment

论文作者：Hiromu Taketsugu,Takeru Oba,Takahiro Maeda,Shohei Nobuhara,Norimichi Ukita

作者单位：Toyota Technological Institute;Kyoto Institute of Technology

论文链接：http://arxiv.org/abs/2503.17267v1

项目链接：https://iminthemiddle.github.io/EmLoco-Page/ https://github.com/ImIntheMiddle/EmLoco

内容简介：

1）方向：轨迹预测

2）应用：轨迹预测

3）背景：人类能够仅凭瞬时观察到的人体姿态信息预测未来的运动轨迹。然而，现有的人类轨迹预测方法在利用人体姿态信息时通常是隐式进行的，导致预测结果可能不符合物理实际，出现不合理的预测。

4）方法：为了解决这一问题，提出了“Locomotion Embodiment”框架，该框架通过物理学法则下的运动生成，显式评估预测轨迹的物理合理性。具体来说，采用不可微分的物理模拟器学习运动的合理性，但在训练过程中，使用可微分的“Locomotion Value”函数来驱动数据驱动的轨迹预测网络。提出的“Embodied Locomotion”损失函数有助于高效地训练使用多头机制的随机轨迹预测网络。此外，还提出了“Locomotion Value”滤波器，用于在推理阶段筛选不合理的轨迹。

5）结果：实验结果表明，该方法显著提升了现有最先进的轨迹预测方法的表现，并且在多个数据集和问题设置下均表现出了优越的性能。代码：https://github.com/ImIntheMiddle/EmLoco