Ricerc@Sapienza

Il forecasting del movimento delle persone e delle loro traiettorie e' importante per la pianificazione del movimento dei robots tra persone, per il tracking di persone riprese da videocamere di surveillance e per l'autonomous driving, poiche' prevedere l'attraversamento di pedoni permette di salvare vite umane. Il forecasting del movimento delle persone e' un task complesso, che nel corso degli anni ha attratto l'attenzione di sociologi, matematici e computer scientists, oltre che di economisti e ingegneri. Solo recentemente tecniche di artificial intelligence basate su deep neural networks hanno cominciato a permettere una modellazione del sistema interamente data-driven. Oltre al movimento delle persone, queste tecniche sono pure rilevanti per multi-agent simulations finanziare, per prevedere terremoti e per la collaborazione uomo-macchina nella fabbrica intelligente.

Nel progetto FORMAT ci proponiamo di modellare le dinamiche temporali e spaziali del movimento delle persone, tenendo in considerazione l'interazione sociale dei gruppi di persone, l'interazione "antagonista" di persone che cambiano la propria traiettoria per evitare collisioni, la possibile variazione del numero di persone nella scena e il contesto fornito dalla scena, e il contesto fornito dalla scena, per la presenza di oggetti e zone di interesse. Al momento della scrittura di questa proposta, solo un numero limitato di articoli considera molteplici futuri plausibili, la modellazione dell'interazione agent-agent e' agli albori, e nessuna ricerca formula l'incertezza direttamente nel modello spazio-temporale.

In FORMAT, ci si propose di studiare modelli per l'interazione di un numero variabile di persone e di considerare larghi orizzonti temporali con considerazione probabilistica dei diversi plausibili futuri e della loro intrinseca incertezza. Questi propositi sono sfidanti dal punto di vista delle rappresentazioni, dei modelli di forecasting e computazionale, e ben oltre lo stato dell'arte.