{"created":"2025-01-19T01:12:02.294157+00:00","updated":"2025-01-19T18:00:34.481024+00:00","metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00210836","sets":["6164:6165:6640:10580"]},"path":["10580"],"owner":"44499","recid":"210836","title":["人物追従ロボットのための歩行者経路予測における機械学習用データ構成法"],"pubdate":{"attribute_name":"公開日","attribute_value":"2020-06-17"},"_buckets":{"deposit":"1e18d232-f914-4e8b-8dca-83f3ead77977"},"_deposit":{"id":"210836","pid":{"type":"depid","value":"210836","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"人物追従ロボットのための歩行者経路予測における機械学習用データ構成法","author_link":["534574","534573"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"人物追従ロボットのための歩行者経路予測における機械学習用データ構成法"}]},"item_keyword":{"attribute_name":"キーワード","attribute_value_mlt":[{"subitem_subject":"行動認識","subitem_subject_scheme":"Other"}]},"item_type_id":"18","publish_date":"2020-06-17","item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_18_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"東京女子大学 大学院理学研究科"},{"subitem_text_value":"東京女子大学 現代教養学部 数理科学科"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/210836/files/IPSJ-DICOMO2020123.pdf","label":"IPSJ-DICOMO2020123.pdf"},"date":[{"dateType":"Available","dateValue":"2022-06-17"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2020123.pdf","filesize":[{"value":"1.2 MB"}],"mimetype":"application/pdf","priceinfo":[{"tax":["include_tax"],"price":"660","billingrole":"5"},{"tax":["include_tax"],"price":"330","billingrole":"6"},{"tax":["include_tax"],"price":"0","billingrole":"44"}],"accessrole":"open_date","version_id":"f3e03fff-6c21-4b51-add4-24e07d15e139","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2020 by the Information Processing Society of Japan"}]},"item_18_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"赤羽根, 里奈"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"加藤, 由花"}],"nameIdentifiers":[{}]}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_5794","resourcetype":"conference paper"}]},"item_18_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"サービスロボットの普及に伴い，家庭や職場，公共空間などで人と共存するロボットに対する期待が高まっている．我々はこれまで，そのようなサービスロボットの一種である人物自動追従ロボットを対象に，ターゲットとなる人の未来の経路を予測することで，人物追従の精度を向上させる手法に関する研究を進めてきた．ここでは，人の移動軌跡（位置座標の時系列）を系列データとみなし，機械学習モデルにより，入力系列から出力系列を予測する手法を提案してきた．しかし，個別の予測結果を見たときに，十分な精度が得られないという問題が残されていた．本稿では，この手法を拡張し，これまで人の位置座標から構成していた系列データを，速度ベクトルにより構成する系列データへと変更する．この変更により，追従ターゲットの移動傾向を予測モデルに取り組みことが可能になり，特定の追跡対象に対する経路予測の精度向上が期待できる．本稿では，人移動軌跡データセットを利用し，提案手法と位置座標を用いた手法の経路予測精度を比較する．その結果から，平均的な予測精度に大きな違いは無いものの，速度ベクトル系列を用いた手法の方が，特定ターゲットに対して真の軌跡と近い経路を予測できることを示す．また，位置座標と速度ベクトルの両方を考慮することで，群衆内における特定ターゲットの経路予測の精度が向上する可能性についても議論する．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"843","bibliographic_titles":[{"bibliographic_title":"マルチメディア，分散協調とモバイルシンポジウム2142論文集"}],"bibliographicPageStart":"838","bibliographicIssueDates":{"bibliographicIssueDate":"2020-06-17","bibliographicIssueDateType":"Issued"},"bibliographicVolumeNumber":"2020"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"id":210836,"links":{}}