Tim:
Sara Babic E9 1/2025
Definicija problema:
Bezbedna i prirodna navigacija robota u prostorima koje dele sa ljudima ključna je za njihovu integraciju u društvo. Tradicionalni algoritmi često ignorišu "nevidljive" socijalne norme (npr. poštovanje ličnog prostora ili nepresecanje grupa u razgovoru), što dovodi do neprijatnosti za ljude ili nesigurnog kretanja robota. Cilj ovog projekta je razvoj sistema koji koristi duboke neuronske mreže za predikciju budućih trajektorija (Trajectory Prediction) agenata na osnovu njihove istorije kretanja i latentnih socijalnih interakcija. Ovakav sistem omogućava robotu da planira putanju koja nije samo najkraća, već i socijalno najprihvatljivija (Socially-Aware Navigation).
Skup podataka:
Koristiće se ETH-UCY Dataset, koji predstavlja standard u oblasti istraživanja kretanja pešaka i robota.
Izvor: Javno dostupan skup podataka (ETH Zurich i University of Cyprus).
Struktura: Sadrži precizne koordinate (x, y) agenata snimljene iz ptičje perspektive u pet različitih realnih scenarija (ETH, HOTEL, UNIV, ZARA1, ZARA2).
Veličina: Hiljade trajektorija koje obuhvataju kompleksne interakcije poput zajedničkog hodanja, mimoilaženja i izbegavanja sudara.
Pretprocesiranje: Podaci će se transformisati u sekvence gde se na osnovu posmatranih 8 frejmova (3.2 sekunde) predviđa narednih 12 frejmova (4.8 sekundi), što je standardni protokol u naučnim radovima.
Skup je dostupan na platformama Kaggle i HuggingFace.
Metodologija:
U okviru projekta biće implementirana i upoređena dva nivoa kompleksnosti:
Baseline model: Jednostavan Vanilla LSTM model koji kretanje svakog agenta posmatra kao izolovanu vremensku seriju, bez svesti o okruženju.
State-of-the-Art model: Social Transformer ili Spatio Temporal Graph Neural Network (ST-GNN).
Social Transformer: Arhitektura zasnovana na Multi-Head Self-Attention mehanizmu za dinamičko učenje prostorno-vremenskih interakcija. Planira se primena Transfer Learning tehnika korišćenjem pretreniranih modela (npr. Social-ViT).
Spatio-Temporal Graph Neural Network (ST-GNN): Model koji agente tretira kao čvorove u dinamičkom grafu radi modelovanja složenih socijalnih relacija.
Za treniranje će se koristiti Adam optimizer, dok će se proces fine kalibracije i odabira arhitekturalnih parametara (broj slojeva, veličina embedding-a) vršiti automatski pomoću Optuna biblioteke (Bayesian optimization).
Evaluacija:
Evaluacija će se vršiti na testnom skupu koji model nije video tokom treninga, koristeći standardne metrike za predikciju trajektorija:
ADE (Average Displacement Error): Srednja kvadratna greška između predviđene i stvarne putanje kroz sve vremenske korake (izraženo u metrima).
FDE (Final Displacement Error): Euklidska udaljenost između finalne predviđene tačke (destinacije) i stvarne pozicije agenta (izraženo u metrima).
Kvalitativna analiza: Vizuelizacija predviđenih trajektorija u odnosu na realne podatke (Ground Truth), sa posebnim fokusom na "heatmap" verovatnoće kretanja u situacijama gde robot mora da poštuje socijalne zone.
Tim:
Sara Babic E9 1/2025
Definicija problema:
Bezbedna i prirodna navigacija robota u prostorima koje dele sa ljudima ključna je za njihovu integraciju u društvo. Tradicionalni algoritmi često ignorišu "nevidljive" socijalne norme (npr. poštovanje ličnog prostora ili nepresecanje grupa u razgovoru), što dovodi do neprijatnosti za ljude ili nesigurnog kretanja robota. Cilj ovog projekta je razvoj sistema koji koristi duboke neuronske mreže za predikciju budućih trajektorija (Trajectory Prediction) agenata na osnovu njihove istorije kretanja i latentnih socijalnih interakcija. Ovakav sistem omogućava robotu da planira putanju koja nije samo najkraća, već i socijalno najprihvatljivija (Socially-Aware Navigation).
Skup podataka:
Koristiće se ETH-UCY Dataset, koji predstavlja standard u oblasti istraživanja kretanja pešaka i robota.
Izvor: Javno dostupan skup podataka (ETH Zurich i University of Cyprus).
Struktura: Sadrži precizne koordinate (x, y) agenata snimljene iz ptičje perspektive u pet različitih realnih scenarija (ETH, HOTEL, UNIV, ZARA1, ZARA2).
Veličina: Hiljade trajektorija koje obuhvataju kompleksne interakcije poput zajedničkog hodanja, mimoilaženja i izbegavanja sudara.
Pretprocesiranje: Podaci će se transformisati u sekvence gde se na osnovu posmatranih 8 frejmova (3.2 sekunde) predviđa narednih 12 frejmova (4.8 sekundi), što je standardni protokol u naučnim radovima.
Skup je dostupan na platformama Kaggle i HuggingFace.
Metodologija:
U okviru projekta biće implementirana i upoređena dva nivoa kompleksnosti:
Baseline model: Jednostavan Vanilla LSTM model koji kretanje svakog agenta posmatra kao izolovanu vremensku seriju, bez svesti o okruženju.
State-of-the-Art model: Social Transformer ili Spatio Temporal Graph Neural Network (ST-GNN).
Social Transformer: Arhitektura zasnovana na Multi-Head Self-Attention mehanizmu za dinamičko učenje prostorno-vremenskih interakcija. Planira se primena Transfer Learning tehnika korišćenjem pretreniranih modela (npr. Social-ViT).
Spatio-Temporal Graph Neural Network (ST-GNN): Model koji agente tretira kao čvorove u dinamičkom grafu radi modelovanja složenih socijalnih relacija.
Za treniranje će se koristiti Adam optimizer, dok će se proces fine kalibracije i odabira arhitekturalnih parametara (broj slojeva, veličina embedding-a) vršiti automatski pomoću Optuna biblioteke (Bayesian optimization).
Evaluacija:
Evaluacija će se vršiti na testnom skupu koji model nije video tokom treninga, koristeći standardne metrike za predikciju trajektorija:
ADE (Average Displacement Error): Srednja kvadratna greška između predviđene i stvarne putanje kroz sve vremenske korake (izraženo u metrima).
FDE (Final Displacement Error): Euklidska udaljenost između finalne predviđene tačke (destinacije) i stvarne pozicije agenta (izraženo u metrima).
Kvalitativna analiza: Vizuelizacija predviđenih trajektorija u odnosu na realne podatke (Ground Truth), sa posebnim fokusom na "heatmap" verovatnoće kretanja u situacijama gde robot mora da poštuje socijalne zone.