JRDB
PulseAugur coverage of JRDB — every cluster mentioning JRDB across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的DPT框架解决了机器人导航模型中的技能冲突
研究人员开发了一个名为不相交参数训练（DPT）的新框架，以解决机器人导航统一模型中冲突参数分配的挑战。这种被称为“技能冲突”的现象，发生在诸如运动预测和安全规划等不同任务争夺同一模型权重时，阻碍了专业化。DPT采用基于合并的方法和分布式参数学习，在合并之前为每个任务分离关键参数区域，通过选择性地整合有影响力的参数来优化性能。在JRDB和JTA基准测试中进行评估，DPT在安全且资源高效的机器人导航方面取得了优越的结果。
-
新的PS-Track方法推进了点监督下的多目标跟踪
研究人员开发了PS-Track，一种利用点状监督而非传统边界框的新型多目标跟踪管道。该方法通过使用时间反馈提示（Temporal-Feedback Prompting）将点演变为时间上一致的伪标签来解决空间模糊等挑战。点激发小波注意力（Point-Excited Wavelet Attention）模块有助于虚构对象边界，而基于不确定性的高斯学习（Uncertainty-Guided Gaussian Learning）则校准监督强度…
-
新型Transformer模型提升多行人轨迹预测能力
研究人员开发了一种新颖的三步分层Transformer模型，旨在改进多行人轨迹预测。该新架构有效分离了时间编码、多模态融合和场景级交互推理，解决了先前方法常将这些因素纠缠在一起的局限性。该模型利用轻量级GRU摘要进行高效的跨模态注意力以及随时间变化的社交注意力，以可控的计算成本捕捉行人间的相互影响。在JRDB和道路交通中的行人与骑行者数据集等数据集上的实验表明，该模型达到了最先进的性能，并展现出预测早期转向等复杂行为的能力。
-
OmniTrack++ 通过轨迹反馈推进全景多目标跟踪
研究人员推出 OmniTrack++，一个先进的全向多目标跟踪框架，旨在克服全景失真和身份模糊等挑战。该系统采用反馈驱动方法，包含用于特征稳定的 DynamicSSM 模块和用于精确定位与关联的 FlexiTrack Instances。为了增强长期跟踪能力，ExpertTrack Memory 整合外观线索，而 Tracklet Management 模块根据场景动态自适应地切换跟踪模式。研究团队还发布了 EmboTrack 基准，…