NeMo-map: 時空間運動マッピングのためのニューラル陰的流れ場

- 複雑な人間環境でのロボット運用のため、場所ごとの人間の動きの統計パターンを地図として表現する Maps of Dynamics (MoD) の新しい表現手法。 - 既存 MoD は離散的な空間サンプリングに基づき、高コストなオフライン構築を要する。 - 本研究は implicit neural functions により座標を直接 Semi-Wrapped Gaussian Mixture Model のパラメータへ写像する連続的な時空間 MoD 表現 NeMo-map を提案。 - 離散化や不均一サンプリング領域の imputation を不要にし、空間・時間の両方向で滑らかな汎化を可能にする。

- 既存 MoD は離散空間サンプリングと高コストなオフライン構築が前提で、不均一サンプリング領域には imputation が必要だった。 - 提案法は implicit neural functions で座標から Semi-Wrapped Gaussian Mixture Model のパラメータへ直接写像し、離散化と imputation を排除。 - 実世界の people tracking データを含む公開データセット2件で、利用可能な baselines と比較し、運動表現の精度向上と疎領域での速度分布の滑らかさを達成しつつ計算効率も維持。 - 複雑な人間運動パターンのモデリングと trajectory prediction の下流タスクで高性能を示す。

- 連続的な時空間 MoD 表現として implicit neural functions を採用し、空間座標（および時間）を入力として Semi-Wrapped Gaussian Mixture Model のパラメータを出力する。 - これにより離散グリッド上のサンプリングや欠損領域の imputation を必要とせず、空間・時間にわたる滑らかな汎化を実現。 - 出力が確率的運動モデルのパラメータであるため、速度分布の表現と trajectory prediction への利用が可能。 - 計算効率を維持しつつ複雑な人間運動パターンをモデル化する点が手法の肝。

- 実世界の people tracking データを含む公開データセット2件を用いて評価。 - 利用可能な baselines と比較し、運動表現の精度と疎領域における速度分布の滑らかさを検証。 - 計算効率の面でも比較評価を実施。 - trajectory prediction の下流タスクにおいて高性能を示すことで有効性を検証。

- 要旨からは不明。 - 公開データセット2件での評価と baselines 比較、trajectory prediction 下流タスクの結果が述べられているが、限界や失敗事例、計算コストの詳細な議論は要旨には記載されていない。

- Maps of Dynamics (MoD) の既存研究（離散空間サンプリングに基づく MoD 表現）。 - Semi-Wrapped Gaussian Mixture Model を用いた運動モデリングに関する研究。 - implicit neural functions / neural implicit representation を用いた連続地図表現の関連研究。 - trajectory prediction の下流タスク評価に関連するベースライン研究。 - 要旨で具体的な論文名は挙げられていないため、上記は関連手法・分野の一般名。詳細は要旨からは不明。