MTP-GO: Graph-Based Probabilistic Multi-Agent Trajectory Prediction With Neural ODEs

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Oskarsson Björn) > MTP-GO :

LIBRIS Formathandbok (Information om MARC21)

Fältnamn	Indikatorer	Metadata
000		04380naa a2200421 4500
001		oai:DiVA.org:liu-203164
003		SwePub
008		240430s2023 \| \|\|\|\|\|\|\|\|\|\|\|000 \|\|eng\|
009		oai:lup.lub.lu.se:7b1a49ab-63af-4e32-aef1-4d8d8176c7eb
024	7	a https://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-2031642 URI
024	7	a https://doi.org/10.1109/TIV.2023.32823082 DOI
024	7	a https://lup.lub.lu.se/record/7b1a49ab-63af-4e32-aef1-4d8d8176c7eb2 URI
040		a (SwePub)liud (SwePub)lu
041		a engb eng
042		9 SwePub
072	7	a ref2 swepub-contenttype
072	7	a art2 swepub-publicationtype
100	1	a Westny, Theodor,d 1993-u Linköping University,Linköpings universitet,Fordonssystem,Tekniska fakulteten4 aut0 (Swepub:liu)thewe60
245	1 0	a MTP-GO :b Graph-Based Probabilistic Multi-Agent Trajectory Prediction With Neural ODEs
264	1	b IEEE,c 2023
338		a print2 rdacarrier
500		a Fundng agencies: the Strategic Research Area at Linköping-Lund in Information Technology (ELLIIT), in part by the Swedish Research Council through the Project Handling Uncertainty in Machine Learning Systems under Grant 2020-04122, and in part by the Knutand Alice Wallenberg Foundation through Wallenberg AI, Autonomous Systemsand Software Program (WASP)
520		a Enabling resilient autonomous motion planning requires robust predictions of surrounding road users’ future behavior. In response to this need and the associated challenges, we introduce our model titled MTP-GO. The model encodes the scene using temporal graph neural networks to produce the inputs to an underlying motion model. The motion model is implemented using neural ordinary differential equations where the state-transition functions are learned with the rest of the model. Multimodal probabilistic predictions are obtained by combining the concept of mixture density networks and Kalman filtering. The results illustrate the predictive capabilities of the proposed model across various data sets, outperforming several state-of-the-art methods on a number of metrics.
650	7	a NATURVETENSKAPx Data- och informationsvetenskapx Datorseende och robotik0 (SwePub)102072 hsv//swe
650	7	a NATURAL SCIENCESx Computer and Information Sciencesx Computer Vision and Robotics0 (SwePub)102072 hsv//eng
650	7	a TEKNIK OCH TEKNOLOGIERx Elektroteknik och elektronikx Reglerteknik0 (SwePub)202022 hsv//swe
650	7	a ENGINEERING AND TECHNOLOGYx Electrical Engineering, Electronic Engineering, Information Engineeringx Control Engineering0 (SwePub)202022 hsv//eng
653		a Predictive models;Trajectory;Computational modeling;Mathematical models;Data models;Roads;Behavioral sciences;Graph neural networks;neural ODEs;trajectory prediction
700	1	a Oskarsson, Joel,d 1996-u Linköping University,Linköpings universitet,Statistik och maskininlärning,Tekniska fakulteten4 aut0 (Swepub:liu)joeos82
700	1	a Olofsson, Björnu Linköping University,Lund University,Lunds universitet,Linköpings universitet,Fordonssystem,Tekniska fakulteten,Department of Automatic Control, Lund University, Sweden,Institutionen för reglerteknik,Institutioner vid LTH,Lunds Tekniska Högskola,LTH profilområde: AI och digitalisering,LTH profilområden,LTH profilområde: Teknik för hälsa,LU profilområde: Naturlig och artificiell kognition,Lunds universitets profilområden,Departments at LTH,Faculty of Engineering, LTH,LTH Profile Area: AI and Digitalization,LTH Profile areas,Faculty of Engineering, LTH,LTH Profile Area: Engineering Health,Faculty of Engineering, LTH,LU Profile Area: Natural and Artificial Cognition,Lund University Profile areas4 aut0 (Swepub:lu)cont-boo
700	1	a Frisk, Erik,d 1971-u Linköping University,Linköpings universitet,Fordonssystem,Tekniska fakulteten4 aut0 (Swepub:liu)erifr93
710	2	a Linköpings universitetb Fordonssystem4 org
773	0	t IEEE Transactions on Intelligent Vehiclesd : IEEEg 8:9, s. 4223-4236q 8:9<4223-4236x 2379-8858x 2379-8904
856	4	u https://arxiv.org/abs/2302.00735x freey FULLTEXT
856	4	u http://dx.doi.org/10.1109/TIV.2023.3282308y FULLTEXT
856	4 8	u https://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-203164
856	4 8	u https://doi.org/10.1109/TIV.2023.3282308
856	4 8	u https://lup.lub.lu.se/record/7b1a49ab-63af-4e32-aef1-4d8d8176c7eb

Hitta via bibliotek

IEEE Transactions on Intelligent Vehicles (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: Westny, Theodor, ...; Oskarsson, Joel, ...; Olofsson, Björn; Frisk, Erik, 197 ...

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datorseende och ...

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Elektroteknik oc ...; och Reglerteknik

Artiklar i publikationen: IEEE Transaction ...

Av lärosätet: Linköpings universitet; Lunds universitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se