EdgeVTP：面向边缘嵌入式视觉应用的低延迟轨迹预测探索
计算机视觉与模式识别
2026-04-21 v1
摘要
车辆轨迹预测是高速公路感知的核心任务，但部署于路边边缘设备需满足有界且确定性的端到端延迟要求。我们提出EdgeVTP，一种面向嵌入式的轨迹预测器，融合交互感知图建模、轻量级Transformer骨架及单shot曲线解码器。EdgeVTP通过预测以最后观测位置为锚点的紧凑曲线参数（而非以时间跨度为尺度的自回归路径点），降低解码开销，同时生成光滑轨迹。为确保拥挤场景下运行时延可预测，我们通过显式限制交互复杂度——采用具有硬性邻居上限的局部图——实现复杂度界限。跨三项高速公路基准测试及两款面向Jets-class平台的评估表明，EdgeVTP在包含图构建与后处理的协议下实现端到端延迟最低，且在两项三项基准测试中达到最先进(SotA)预测精度，其余项目实现竞争性误差。我们的代码已公开于https://github.com/SeungjinStevenKim/EdgeVTP。
关键词
引用
@article{arxiv.2604.16783,
title = {EdgeVTP: Exploration of Latency-efficient Trajectory Prediction for Edge-based Embedded Vision Applications},
author = {Seungjin Kim and Reza Jafarpourmarzouni and Christopher Neff and Hamed Tabkhi and Vinit Katariya},
journal= {arXiv preprint arXiv:2604.16783},
year = {2026}
}