[论文解读] Understanding Human Behaviors in Crowds by Imitating the Decision-Making Process

Haosheng Zou, Hang Su+2 more|arXiv (Cornell University)|Jan 25, 2018

Anomaly Detection Techniques and Applications参考文献 28被引用 5

一句话总结

该论文提出SA-GAIL，一种社交感知生成对抗模仿学习框架，通过对抗性模仿专家轨迹来解耦潜在意图与社交因素，从而建模人群中的行人决策行为。通过整合碰撞避免正则化与社交感知LSTM，该方法提升了未来轨迹预测性能，并实现了可解释的意图推理，在ADE和FDE指标上优于基线模型，同时通过学习到的潜在编码可视化了不同的行为模式。

ABSTRACT

Crowd behavior understanding is crucial yet challenging across a wide range of applications, since crowd behavior is inherently determined by a sequential decision-making process based on various factors, such as the pedestrians' own destinations, interaction with nearby pedestrians and anticipation of upcoming events. In this paper, we propose a novel framework of Social-Aware Generative Adversarial Imitation Learning (SA-GAIL) to mimic the underlying decision-making process of pedestrians in crowds. Specifically, we infer the latent factors of human decision-making process in an unsupervised manner by extending the Generative Adversarial Imitation Learning framework to anticipate future paths of pedestrians. Different factors of human decision making are disentangled with mutual information maximization, with the process modeled by collision avoidance regularization and Social-Aware LSTMs. Experimental results demonstrate the potential of our framework in disentangling the latent decision-making factors of pedestrians and stronger abilities in predicting future trajectories.

研究动机与目标

• 通过建模潜在决策过程而非依赖视觉外观统计量，理解人群中的行为模式。
• 利用无监督表征学习解耦潜在决策因素（如个人意图与社交互动）。
• 通过在生成对抗框架中引入碰撞避免与社交感知建模，提升未来轨迹预测性能。
• 通过解耦的潜在编码实现可解释的意图推理，生成多样化且符合语境的未来路径。
• 弥合模仿学习与复杂动态人群环境中认知层级行为建模之间的差距。

提出的方法

• 将生成对抗模仿学习（GAIL）扩展至基于观察轨迹中专家示范的行人行为建模，将其视为基于序列的决策过程。
• 采用带有社交感知LSTM的循环编码器-解码器生成器，以建模行人之间的交互作用并编码时空上下文。
• 引入碰撞避免正则化模块，在生成过程中强制生成物理上合理的轨迹。
• 利用互信息最大化方法，将决策因素（如意图与社交影响）的潜在因子解耦为独立的编码组件。
• 通过生成器（策略）与判别器之间的对抗性训练，生成类似专家的行为，而无需对潜在因子进行显式监督。
• 应用后验推理网络，从观察轨迹中推断潜在意图编码，从而实现多样化未来路径的条件生成。

实验结果

研究问题

• RQ1 生成对抗模仿学习框架能否有效建模人群行人在序列决策过程中的行为？
• RQ2 如何在无监督条件下解耦潜在决策因素（如个人意图与社交互动）？
• RQ3 引入碰撞避免与社交感知建模在多大程度上提升了轨迹预测的准确性？
• RQ4 学习到的潜在编码能否生成多样化且行为一致的未来轨迹，以反映不同的意图？
• RQ5 在复杂人群动态环境下，该框架与监督基线相比在行人运动预测方面表现如何？

主要发现

• 完整SA-GAIL模型在轨迹预测中表现最佳，ADE与FDE指标均低于基线模型（包括原始LSTM与Behavior CNN）。
• 消融实验表明，SA-LSTM、碰撞避免与GAIL训练等各模块均对预测性能有显著贡献，完整系统优于单一模块。
• 该方法成功实现潜在意图的解耦，表现为不同潜在编码配置下生成的轨迹模式具有明显差异，其中一种编码始终生成朝向出口的路径。
• 可视化结果表明，模型生成的未来轨迹在行为上合理且多样化，与场景上下文一致，如朝向出口移动或避开障碍物。
• 失败案例揭示了在处理突然转向或误读场景布局方面的局限性，尤其当训练数据中缺乏此类线索时。
• 尽管RNN-based GAN训练存在挑战，对抗性框架仍显著提升了策略学习性能，相较于监督基线，表明其在建模复杂决策过程中的价值。