动态轨迹预测的自适应输出步长：FlexiSteps 网络
机器人学
2025-08-26 v1 人工智能
摘要
精准的轨迹预测对自动驾驶、机器人及智能决策系统至关重要，但传统模型通常依赖固定长度的输出预测，限制了其对动态现实场景的适应性。在本文中，我们引入 FlexiSteps 网络 (FSN)，一种新型框架，可根据不同情境条件动态调整预测输出的时间步长。灵感来自于最近处理观察长度差异和动态特征提取的进展，FSN 包含预训练的自适应预测模块 (APM)，用于评估和动态调整输出步长，以确保最佳预测精度和效率。为保证 FSN 的即插即用，我们还设计了动态解码器 (DD)。此外，为平衡预测时间步长与预测精度，我们设计了评分机制，不仅引入 F\'echet 距离来评估预测轨迹与真实轨迹之间的几何相似性，而预测步长的长度也被考虑在内。在包括 Argoverse 和 INTERACTION 在内的基准数据集上进行的大量实验表明，我们提出的 FSN 框架具有有效性和灵活性。
引用
@article{arxiv.2508.17797,
title = {Adaptive Output Steps: FlexiSteps Network for Dynamic Trajectory Prediction},
author = {Yunxiang Liu and Hongkuo Niu and Jianlin Zhu},
journal= {arXiv preprint arXiv:2508.17797},
year = {2025}
}