ART：面向行人轨迹预测的自适应关系转换器，时序感知关系
计算机视觉与模式识别
2026-04-07 v1 人工智能
摘要
准确预测现实世界中行人的轨迹对于机器人相关应用至关重要。近期方法通常采用基于图或基于转换器的框架来建模相互作用。尽管这些方法有效，但要么引入不必要的计算开销，要么难以表示人类相互作用的多样性和时变特性。本文提出了自适应关系转换器（ART），引入时序感知关系图（TARG）显式捕捉成对相互作用的演化，并通过自适应交互修剪（AIP）机制高效减少冗余计算。在ETH/UCY和NBA基准测试上的大规模评估表明，ART在高计算效率下实现了领先的准确率。
引用
@article{arxiv.2604.03649,
title = {ART: Adaptive Relational Transformer for Pedestrian Trajectory Prediction with Temporal-Aware Relations},
author = {Ruochen Li and Ziyi Chang and Junyan Hu and Jiannan Li and Amir Atapour-Abarghouei and Hubert P. H. Shum},
journal= {arXiv preprint arXiv:2604.03649},
year = {2026}
}