通过控制推理与状态空间动力学增强多智能体轨迹预测
机器人学
2024-08-26 v1 人工智能
摘要
在自动系统领域，准确预测相邻车辆和行人的时间轨迹对于确保安全和操作效率至关重要。本文引入了一种新颖的方法，用于基于状态空间动态系统建模的轨迹预测，这为代理人提供了具有可观物理意义的模型。为了提高动态系统中状态估计的精度，本文还提出了一种新的控制变量建模技术。该技术利用一种新引入的模型称为“Mixed Mamba”来推导出初始控制状态，从而提高了这些变量的预测精度。此外，所提出的方法巧妙地将图神经网络与状态空间模型相集成，有效地捕捉了多智能体相互作用的复杂性。这种组合提供了一个稳健且可扩展的框架，用于预测各种情景下的多智能体轨迹。全面的评估表明，该模型在各种指标和数据集上均优于几个 established benchmarks，突显了其在自动系统中推进轨迹预测的显著潜力。
引用
@article{arxiv.2408.12609,
title = {Enhanced Prediction of Multi-Agent Trajectories via Control Inference and State-Space Dynamics},
author = {Yu Zhang and Yongxiang Zou and Haoyu Zhang and Zeyu Liu and Houcheng Li and Long Cheng},
journal= {arXiv preprint arXiv:2408.12609},
year = {2024}
}