Para mejorar la previsión y hacer un juicio correcto por adelantado, la predicción de la trayectoria de los peatones tiene una amplia gama de valores de aplicación en la conducción autónoma, la interacción de los robots y la supervisión de la seguridad. Sin embargo, la mayoría de los métodos existentes sólo se centran en la interacción de los peatones locales en función de la distancia, ignorando la influencia de los peatones lejanos; el rango de entrada de la red (campo receptivo) es pequeño. En este trabajo, se propone una red de atención gráfica extendida (EGAT) para aumentar el campo receptivo, que se centra no sólo en los peatones locales, sino también en los lejanos, para reforzar aún más la interacción entre los peatones. En el dominio temporal, se proponen TSG-LSTM (TS-LSTM y TG-LSTM) y P-LSTM basadas en LSTM para mejorar la transmisión de información por conexión residual. En comparación con los métodos del estado de la técnica, el modelo EGAT consigue un rendimiento excelente en los conjuntos de datos públicos ETH y UCY y genera trayectorias más fiables.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Nitruración del plasma de los barriles perforados
Artículo:
Selección de acelerómetros MEMS para mediciones de inclinación
Artículo:
Agente de imagen por tomografía computarizada basado en nanopartículas de oro para la embolización de la arteria ilíaca interna tras reparación aórtica abdominal endovascular y mecanismo de protección CCN3
Artículo:
Peligros reactivos y seguridad de los bioprocesos
Artículo:
Diseño de un absorbedor de energía para parachoques que combina la seguridad de los peatones con los requisitos de impacto a baja velocidad