增强多智能体轨迹预测的一致性模型
计算机视觉与模式识别
2026-05-12 v1
摘要
多智能体轨迹预测的扩散模型因迭代去噪而受限，导致推理延迟，阻碍其在自动驾驶等时间敏感场景的应用。采用DDIM和 Informed 初始噪声分布的快速抽样变体部分缓解了此问题，但要么未实现真正的单步生成，要么受限于所选噪声分布。一致性模型（CM）通过将噪声直接映射到数据实现高质量单步生成，但从头训练困难。我们提出ECTraj，一个用于轨迹预测的增强CM管道，具备改进的训练和条件生成。我们的框架扩展了学生-教师一致性训练方案：学生产生标准输出，而教师显式地将其预测与部分ground truth融合，以提供更有力的监督。我们还利用CM的直接去噪，在训练期间进行基于top-K的多shot生成。结合条件生成与此增强一致性目标，可实现更快的推理和更高的预测精度，在大型Argoverse 2数据集上建立了竞争性的新基准。
关键词
引用
@article{arxiv.2605.08572,
title = {Enhancing Consistency Models for Multi-Agent Trajectory Prediction},
author = {Alen Mrdovic and Qingze and Liu and Danrui Li and Mathew Schwartz and Kaidong Hu and Sejong Yoon and Mubbasir Kapadia and Vladimir Pavlovic},
journal= {arXiv preprint arXiv:2605.08572},
year = {2026}
}