FollowGen：用于车跟车轨迹预测的规模化噪声条件扩散模型
计算机视觉与模式识别
2026-01-19 v1 人工智能
新兴技术
摘要
车辆轨迹预测是推进自动驾驶和高级车驾助理系统（ADAS）的关键技术。尽管深度学习方法——尤其是利用基于转换器的生成模型——通过捕捉车辆动力学和交通互动中复杂非线性模式，显著提高了预测精度，但这些方法经常忽略细致的车跟车行为以及至关重要的车辆间相互作用，尤其是在完全自动或混合交通场景中。为此，本研究引入一种规模化噪声条件扩散模型用于车跟车轨迹预测，将详细的车辆间相互作用和车跟车动力学整合到生成框架中，提高了预测轨迹的准确性和合理性。该模型利用一种新颖的管道在扩散过程中通过缩放噪声来捕获历史车辆动力学。特别地，它采用基于交叉注意力的转换器架构来建模复杂的车辆间依赖关系，有效指导去噪过程并提高预测精度。在多样化真实世界驾驶场景下的实验结果表明，所提方法在准确性和鲁棒性方面实现了最先进的性能。
引用
@article{arxiv.2411.16747,
title = {FollowGen: A Scaled Noise Conditional Diffusion Model for Car-Following Trajectory Prediction},
author = {Junwei You and Rui Gan and Weizhe Tang and Zilin Huang and Jiaxi Liu and Zhuoyu Jiang and Haotian Shi and Keshu Wu and Keke Long and Sicheng Fu and Sikai Chen and Bin Ran},
journal= {arXiv preprint arXiv:2411.16747},
year = {2026}
}
备注
arXiv admin note: text overlap with arXiv:2406.11941