1 |
1
그래프 컨벌루셔널 네트워크의 피처를 학습하는 인공지능 장치이고, 보행경로의 제 1 피처를 업데이트하는 제 1 피처 업데이트부를 포함하고, 상기 제 1 피처 업데이트부는, 노드 간의 거리 스케일을 에지 가중치로 활용하여 그래프 세트를 제공하는 멀티스케일설정부를 포함하는 보행경로예측장치
|
2 |
2
제 1 항에 있어서, 상기 그래프 컨벌루셔널 네트워크는, 에 의해서 레이어 별로 상기 제 1 피처를 업데이트하고, 여기서, H는 모든 노느의 피처들이고, σ는 비선형활성화함수이고, A는 인접 매트릭스(adjacency matrix)이고, W는 레이어 별로 학습가능한 가중치 메트릭스이고, l은 레이어의 인덱스인, 보행경로예측장치
|
3 |
3
제 2 항에 있어서, 상기 멀티스케일설정부는, 상기 인접 메트릭스를 로 정의하고, Υ는 스케일 세트인,보행경로예측장치
|
4 |
4
제 3 항에 있어서, Υ는 0, 0
|
5 |
5
제 1 항에 있어서, 상기 멀티스케일설정부는, 상기 노드 간의 거리가 일정한 범위 내이면 인접메트릭스의 요소를 동일한 값으로 처리하는, 보행경로예측장치
|
6 |
6
제 1 항에 있어서, 상기 제 1 피처 업데이트부는, 적어도 두 개의 상보적 피쳐를 분리하여 업데이트하는 멀티관계나눔부; 및상기 피처를 병합하는 다관계병합부를 포함하는 보행경로예측장치
|
7 |
7
제 6 항에 있어서, 상기 상보적 피쳐에는, 보행자의 상대적 변위정보 및 보행자의 거리정보가 포함되는 보행경로예측장치
|
8 |
8
제 1 항에 있어서, 상기 제 1 피처 업데이트부는, 상기 그래프에서 에지를 제거하여 서브그래프를 추가로 제공하는 그래프 가공부를 포함하는 보행경로예측장치
|
9 |
9
제 8 항에 있어서, 상기 그래프 가공부는, 에 의해서 작용하고, 인접 매트릭스(A)의 정규화된 텀이고, 은 오리지널 노드에 대하여 랜덤하게 연결된 에지이고, p는 드랍율(dropping rate)이다
|
10 |
10
제 1 항에 있어서, 제 2 피처를 업데이트하는 제 2 피처 업데이트부가 포함되고, 상기 제 2 피처는 보행경로의 누적에러를 보장하는 피처로서, 상기 제 1 피처의 구성요소인, 보행경로예측장치
|
11 |
11
제 10 항에 있어서, 상기 제 2 피처는 보행자가 방해물을 회피한 후의 제 2 보행경로에, 상기 보행자가 상기 방해물을 회피하기 전의 제 1 보행경로의 벡터성분을 더하도록 작용하는 보행경로예측장치
|