これまでの手法では、学習した歩行者の状態を統合した様々なアグリゲーション手法を用いて、これらの相互作用をモデル化してきました。 本研究では、相互作用をグラフとしてモデル化することで、集約手法の必要性を排除したSocial Spatio-Temporal GraphConvolutional Neural Network (Social-STGCNN)を提案。

その結果、従来の手法と比較して、最終変位誤差(FDE)が20%改善され、平均変位誤差(ADE)が8.5倍、推論速度が最大48倍に改善された。 さらに、我々のモデルはデータ効率が良く、わずか20%の訓練データでADEの指標が従来の技術を上回ることを示した。

コード https://github.com/abduallahmohamed/Social-STGCNN