A Spatio-temporal Graph Network Allowing Incomplete Trajectory Input for Pedestrian Trajectory Prediction

O artigo apresenta o STGN-IT, uma rede de grafos espaço-temporal inovadora que supera a limitação de exigir trajetórias históricas completas ao prever o movimento futuro de pedestres, incorporando estados de observação incompletos e obstáculos estáticos para melhorar a precisão em ambientes com pessoas.

O essencial

Imagine que você é um robô de entrega tentando navegar por uma calçada lotada. O seu trabalho é adivinhar para onde as pessoas vão caminhar nos próximos segundos para não esbarrar nelas.

A maioria dos sistemas de inteligência artificial hoje funciona como um aluno muito perfeccionista, mas um pouco teimoso: se ele não consegue ver uma pessoa o tempo todo (por exemplo, se a pessoa se esconde atrás de uma árvore ou de outro pedestre por um instante), o sistema diz: "Ah, perdi o rastro! Não vou prever nada sobre essa pessoa". Isso é perigoso, porque a pessoa ainda está lá, e o robô pode bater nela.

Este artigo apresenta uma solução chamada STGN-IT. Vamos explicar como ele funciona usando algumas analogias do dia a dia:

1. O Problema: "O Jogo do Esconde-Esconde"

Em cidades reais, as pessoas não são vistas de cima (como num mapa de satélite), mas sim de baixo (a visão do robô). Isso significa que elas ficam "escondidas" atrás de carros, postes ou outras pessoas com frequência.

• Os sistemas antigos (Modo Filtragem): Funcionam como um segurança que só vigia quem está totalmente visível. Se alguém sai do campo de visão, o segurança "esquece" que ela existe.
• O problema disso: O robô pode achar que o caminho está livre e avançar, causando uma colisão.

2. A Solução: O "Detetive de Trajetórias" (STGN-IT)

O novo sistema, STGN-IT, é como um detetive experiente que não desiste quando perde o rastro de alguém. Ele usa três truques principais:

A. O Mapa de "Onde Tem Obstáculos" (Grade de Ocupação)

Em vez de apenas olhar para as pessoas, o robô olha para o chão e para os objetos estáticos (como paredes e carros).

• Analogia: Imagine que o robô tem um mapa mental que diz: "Aqui tem um muro, ali tem um carro". Ele usa essa informação para entender que, se uma pessoa vai bater num muro, ela provavelmente vai mudar de direção. O sistema antigo ignorava esses obstáculos; o novo os trata como "personagens" importantes na história.

B. O Código de "Está Visível?" (Codificação de Estado)

Aqui está a parte mais inteligente. Quando uma pessoa some da visão do robô, o sistema antigo colocava um "0" no lugar dela, o que confundia o computador (parecia que a pessoa tinha desaparecido magicamente para o centro da cidade).

• A inovação: O STGN-IT usa um código de cores invisível. Ele marca: "Ah, a pessoa está na posição X, mas no momento ela está escondida". É como se ele dissesse: "Eu sei que ela está lá, só não estou vendo agora". Isso permite que o robô continue prevendo o movimento dela, mesmo que ela esteja temporariamente oculta.

C. O "Grupo de Amigos" (Agrupamento e Grafos)

O sistema não olha para as pessoas isoladamente. Ele cria uma rede de conexões (um grafo) entre as pessoas e os obstáculos.

• Analogia: Imagine que o sistema organiza as pessoas em grupos de amigos que estão interagindo. Se o Pedestre A está perto do Pedestre B e de um Muro C, o sistema entende que o movimento de A depende de B e de C. Ele usa um algoritmo de "agrupamento" para garantir que esses "amigos" (pessoas e obstáculos próximos) sejam analisados juntos, como se estivessem sentados na mesma mesa de conversa.

3. A Estratégia Dupla: "Dois Chutes"

O sistema faz a previsão em duas etapas, como um jogador de futebol chutando a bola duas vezes para acertar o gol:

1. Primeiro chute: Ele prevê para onde as pessoas vão apenas olhando para elas.
2. Segundo chute: Com base na primeira previsão, ele olha ao redor: "Ei, a pessoa vai bater naquele carro!". Então, ele adiciona o carro à sua lista de "amigos" e faz uma nova previsão, ajustando a rota para desviar do obstáculo.

Por que isso é importante?

O artigo mostra que, em testes reais:

• Segurança: O sistema antigo (que ignora quem está escondido) deixaria o robô vulnerável a colisões. O novo sistema prevê onde a pessoa vai estar, mesmo que ela tenha sumido por um segundo.
• Precisão: Mesmo quando os dados estão incompletos, o STGN-IT erra menos que os melhores sistemas atuais. Ele consegue prever trajetórias mais suaves e realistas.

Resumo Final

Pense no STGN-IT como um motorista de aplicativo muito atento.

• O motorista comum (sistemas antigos) para de prestar atenção se você sair da visão dele por um segundo.
• O motorista do STGN-IT sabe que você está lá, sabe que há um carro estacionado na sua frente, sabe que você pode mudar de direção para desviar dele, e continua guiando o carro com segurança, mesmo sem te ver o tempo todo.

Isso torna a convivência entre robôs e humanos nas ruas muito mais segura e fluida.

Resumo técnico

1. Problema e Motivação

A previsão de trajetória de pedestres é crucial para a navegação de robôs móveis em ambientes com coexistência humano-robô. A maioria dos algoritmos existentes (baseados em RNNs, grafos espaço-temporais, etc.) exige que as trajetórias históricas de entrada estejam completas. Se um pedestre ficar oculto (inobservável) em qualquer quadro passado, sua trajetória histórica torna-se incompleta, e esses algoritmos falham em prever seu futuro, simplesmente ignorando o pedestre.

No entanto, em visões egocêntricas (como as obtidas por robôs móveis ou veículos autônomos), é muito comum que pedestres fiquem ocultos por obstáculos, diferentemente das visões de topo (top-down) usadas em conjuntos de dados tradicionais (como ETH, UCY).

• Modo de Filtragem (Filtration Mode): Algoritmos ignoram pedestres com trajetórias incompletas. Isso reduz o erro de cálculo (ADE/FDE), mas é perigoso, pois o robô pode colidir com um pedestre não previsto.
• Modo de Preenchimento (Pad Mode): Posições não observáveis são preenchidas com (0,0). Embora mais seguro, isso pode enganar os algoritmos, fazendo-os acreditar que o pedestre se moveu para a origem, degradando a performance.

O objetivo do trabalho é desenvolver um modelo capaz de lidar com trajetórias históricas incompletas sem degradar significativamente a precisão, permitindo uma navegação robótica mais segura e robusta.

2. Metodologia: STGN-IT

Os autores propõem a STGN-IT (Spatio-Temporal Graph Network allowing Incomplete Trajectory), uma rede neural baseada em grafos espaço-temporais com duas previsões sequenciais e quatro módulos principais:

A. Construção do Grafo Espaço-Temporal

• Nós: Representam pedestres e obstáculos em um tempo $t$. Cada nó contém posição e velocidade.
• Arestas: Representam correlações entre nós.
• Agrupamento (Clustering): Utiliza o algoritmo DBSCAN para reordenar os nós na matriz de entrada. Nós que interagem (pedestres próximos ou pedestres próximos a obstáculos) são colocados adjacentes na matriz para facilitar a extração de características pela rede de convolução.

B. Codificação do Estado de Observação

Para resolver o problema de distinguir entre um pedestre realmente na posição (0,0) e um pedestre oculto (que foi preenchido com (0,0)), o modelo introduz vetores de codificação:

• $No^i_t$: Codifica o estado de observação do nó $i$ no tempo $t$.
• $Eo^i_t$: Codifica o estado de observação das arestas.
• Esses vetores são combinados com as características do nó/aresta através de camadas totalmente conectadas e produto de Hadamard, permitindo que a rede "saiba" se os dados estão ausentes ou não.

C. Módulo de Previsão de Trajetória

O processo de previsão ocorre em duas etapas:

1. Primeira Previsão: A rede prevê trajetórias futuras usando apenas informações históricas dos pedestres (sem obstáculos explícitos).
2. Adição de Obstáculos: Com base na primeira previsão e no Mapa de Grade de Ocupação (gerado automaticamente a partir de dados de LiDAR, sem necessidade de anotação manual semântica), o modelo identifica obstáculos próximos às trajetórias previstas e os adiciona como nós no grafo.
3. Segunda Previsão: O grafo atualizado (com obstáculos) é processado novamente para refinar a previsão, considerando a influência do ambiente.

A arquitetura interna utiliza:

• GRUs (Gated Recurrent Units): Para compensar informações de posição faltantes usando quadros anteriores.
• STGCN (Spatio-Temporal Graph Convolution Network): Para extrair características espaciais e temporais.
• TECN (Time-Extrapolator Convolution Network): Para extrapolar características ao longo do tempo.
• Bi-GRU e MLP: Para decodificar as características finais e gerar a velocidade e posição previstas.

3. Principais Contribuições

1. STGN-IT: Um novo modelo de rede de grafos espaço-temporais capaz de prever trajetórias de pedestres com dados históricos incompletos, integrando mapas de grade de ocupação e codificação de estado de observação.
2. Método de Codificação: Uma técnica inovadora para distinguir entre ausência de dados (ocultação) e posição real, mitigando a degradação de performance no "Pad Mode".
3. Validação do "Pad Mode": Demonstração de que o modo de preenchimento (pad mode) é mais seguro e realista para navegação robótica do que o modo de filtragem, e que a STGN-IT supera outros algoritmos nesse cenário.
4. Integração com Mapas de Ocupação: Uso de mapas de grade de ocupação gerados automaticamente (em vez de mapas semânticos manuais) para incluir obstáculos estáticos como nós dinâmicos no grafo.

4. Resultados Experimentais

Os experimentos foram realizados no conjunto de dados STCrowd (STC), que possui visão egocêntrica e dados de LiDAR 3D. Foi criado um subconjunto STC-c com 10% das trajetórias removidas aleatoriamente para simular ocultações.

• Métricas: Erro de Deslocamento Médio (ADE) e Erro de Deslocamento Final (FDE).
• Comparação: A STGN-IT foi comparada com algoritmos state-of-the-art (Social-STGCNN, SGCN, GraphTERN, etc.).
• Desempenho:
  • A STGN-IT obteve os melhores resultados em todas as condições (f-f, p-p, e p-p com dados incompletos).
  • No cenário mais desafiador (STC-c, p-p - dados incompletos), a STGN-IT manteve um ADE de 0.35 e FDE de 0.64, superando significativamente o segundo melhor (STIGCN com 0.51/0.89).
  • A taxa de degradação de performance da STGN-IT ao lidar com dados incompletos foi de apenas ~15%, enquanto outros algoritmos sofreram degradações superiores a 25% ou falharam completamente (ex: GraphTERN não conseguiu treinar no modo p-p).
• Estudo de Ablação: A remoção de qualquer módulo (codificação, clustering ou adição de obstáculos) resultou em uma queda de performance de pelo menos 20%, confirmando a importância de cada componente.

5. Significado e Conclusão

O trabalho demonstra que a previsão de trajetória para robôs móveis não pode depender apenas de dados históricos completos. A STGN-IT oferece uma solução robusta para ambientes reais onde a ocultações são frequentes.

• Segurança: Ao permitir a previsão de pedestres ocultos (modo pad) com alta precisão, reduz o risco de colisões que ocorreriam se o robô ignorasse esses pedestres (modo filtragem).
• Aplicabilidade: A capacidade de usar mapas de grade de ocupação gerados automaticamente torna o sistema mais viável para implementação em robôs reais, sem depender de anotações manuais complexas.
• Inovação: A introdução de uma codificação específica para estados de observação abre caminho para novos algoritmos que lidam nativamente com dados sensoriais imperfeitos.

Em resumo, a STGN-IT representa um avanço significativo na previsão de trajetória para cenários de interação humano-robô, equilibrando precisão matemática e segurança operacional.