Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 16 сентября 2026 года] Название: PRISM: Предсказуемое представление интерфейса Style и движение за социальный робот-навигационный вид PDF HTML (экспериментальный) Резюме: Люди часто наблюдают других прежде, чем взаимодействовать и соответствующим образом корректировать свое поведение. Однако в толпе пешеходов часто представляют роботы, главным образом по наблюдаемым геометрическим состояниям, оставляя отдельные различия во взаимодействии. Мы предлагаем PRISM (Презумпционное представление взаимодействия и движения) - рамки, в которых определяются характеристики взаимодействия на основе пассивных наблюдений за взаимодействием между людьми. PRISM кодирует человеческие траектории в постоянное латентное пространство с трансформаторным энкодером, обученным по потерям Rank-N-Contrast, и сочетает каждую из выведенных черт со временнóй стабильностью, представленной навигационной политике. В ходе случайных симуляций толпы PRISM сокращает скорость столкновений по отношению к исходной геометрии и позволяет добиться незначительного улучшения показателей навигационно-временного времени и длины пути. Эти результаты указывают на полезность пассивного скрытых выводов для общественного судоходства в динамичной толпе. История представления: Hiromu Dattsugu [видение электронной почты] [v1] Wed, 16 сентября 2026 05:01:27 UTC (8 645 KB) Ссылки и цитаты загружаются... Библиографический и цитационно-инструментальный…
PRISM: Предсказуемое представление модели взаимодействия и движения в интересах социального роботного судоходства
arXiv:2609.181225v1 Annuales Type: New Humans часто наблюдают за другими, прежде чем взаимодействовать и соответствующим образом корректировать свое поведение. Однако в толпе пешеходов часто представляют роботы, главным образом по наблюдаемым геометрическим состояниям, оставляя отдельные различия во взаимодействии. Мы предлагаем PRISM (Презумпционное представление взаимодействия и движения) - рамки, в которых определяются характеристики взаимодействия на основе пассивных наблюдений за взаимодействием между людьми. PRISM кодирует человеческие траектории в постоянное латентное пространство с трансформаторным энкодером, обученным по потерям Rank-N-Contrast, и сочетает каждую из выведенных черт со временнóй стабильностью, представленной навигационной политике. В ходе случайных симуляций толпы PRISM сокращает скорость столкновений по отношению к исходной геометрии и позволяет добиться незначительного улучшения показателей навигационно-временного времени и длины пути. Эти результаты указывают на полезность пассивного скрытых выводов для общественного судоходства в динамичной толпе.