允许不完整轨迹输入的时空图网络用于行人轨迹预测
计算机视觉与模式识别
2026-02-17 v1 人工智能
机器学习
机器人学
摘要
行人轨迹预测是机器人在具有行人的环境中进行导航研究中的重要问题。大多数行人轨迹预测算法需要输入完整的历史轨迹。如果行人在过去的任何帧中不可见，则其历史轨迹将变为不完整，算法将无法预测其未来轨迹。为解决这一限制，我们提出了 STGN-IT（允许不完整轨迹输入的时空图网络），它可以预测具有不完整历史轨迹的行人的未来轨迹。STGN-IT 使用包含额外编码方法的时空图来表示行人的历史轨迹和观察状态。此外，STGN-IT 将环境中可能影响未来轨迹的静态障碍物作为节点进一步提高预测精度。在构建时空图时，也应用了聚类算法。在公共数据集上的实验表明，STGN-IT 在这些指标上优于最先进的算法。
引用
@article{arxiv.2501.13973,
title = {A Spatio-temporal Graph Network Allowing Incomplete Trajectory Input for Pedestrian Trajectory Prediction},
author = {Juncen Long and Gianluca Bardaro and Simone Mentasti and Matteo Matteucci},
journal= {arXiv preprint arXiv:2501.13973},
year = {2026}
}