CoPAD：V2X 场景下基于锚点导向解码器的多源轨迹融合与协同轨迹预测
计算机视觉与模式识别
2025-09-22 v1 多智能体系统
机器人学
摘要
近期，数据驱动的轨迹预测方法取得了显著成果，极大推动了自动驾驶的发展。然而，单车感知的不稳定性给轨迹预测带来了一定局限。本文提出了一种新颖的轻量级协同轨迹预测框架 CoPAD。该框架包含基于匈牙利算法和卡尔曼滤波的融合模块，以及过去时间注意力（PTA）模块、模式注意力模块和锚点导向解码器（AoD）。它能有效对来自车辆和道路基础设施的多源轨迹数据进行早期融合，从而获得高完整性和准确性的轨迹。PTA 模块能高效捕捉历史轨迹间的潜在交互信息，模式注意力模块则被提出以丰富预测的多样性。此外，基于稀疏锚点的解码器被设计用于生成最终的完整轨迹。大量实验表明，CoPAD 在 DAIR-V2X-Seq 数据集上达到了 SOTA 性能，验证了该模型在 V2X 场景下协同轨迹预测的有效性。
引用
@article{arxiv.2509.15984,
title = {CoPAD : Multi-source Trajectory Fusion and Cooperative Trajectory Prediction with Anchor-oriented Decoder in V2X Scenarios},
author = {Kangyu Wu and Jiaqi Qiao and Ya Zhang},
journal= {arXiv preprint arXiv:2509.15984},
year = {2025}
}
备注
7 pages, 4 pages, IROS2025