GAMDTP：基于图注意力 Mamba 网络的动态轨迹预测
人工智能
2025-04-08 v1 机器人学
摘要
准确预测交通智能体的运动对自动驾驶系统的安全性和稳定性至关重要。在本文中，我们介绍了 GAMDTP，一种专为动态轨迹预测设计的基于图注意力的新型网络。具体而言，在每个图卷积层中，我们通过门控机制融合自注意力与 mamba-ssm 的结果，利用两者的优势以更高效、更准确地提取特征。GAMDTP 对高精度地图数据和智能体的历史轨迹坐标进行编码，并对网络输出进行解码以生成最终的预测结果。此外，近期方法主要侧重于动态融合历史预测结果，并依赖包含提议与精炼的两阶段框架。为了进一步提升两阶段框架的性能，我们还设计了一种评分机制，用于评估提议与精炼过程中的预测质量。在 Argoverse 数据集上的实验表明，GAMDTP 取得了 SOTA 性能，在动态轨迹预测中实现了卓越的准确率。
引用
@article{arxiv.2504.04862,
title = {GAMDTP: Dynamic Trajectory Prediction with Graph Attention Mamba Network},
author = {Yunxiang Liu and Hongkuo Niu and Jianlin Zhu},
journal= {arXiv preprint arXiv:2504.04862},
year = {2025}
}