面向多智能体动作预测的层次记忆感知 Transformer：HiMemFormer

理解和预测人类动作长期以来一直是一项挑战，是机器人AI感知的关键衡量标准。虽然在预测单个智能体的未来动作方面取得了显著进展，但以往的工作在实际人类活动中被忽视的一个关键方面——相互作用。在多智能体环境中进行类人预测以弥补这一空白，我们提出了层次记忆感知 Transformer（Hierarchical Memory-Aware Transformer, HiMemFormer），一种用于在线多智能体动作预测的基于Transformer的模型。HiMemFormer将捕获所有智能体之间联合历史信息的全局记忆与一种基于粗到细策略解释基于这些全局表示的智能体特定特征的层次化本地记忆解码器相结合。与以往方法不同，HiMemFormer独特地以层次方式将全局上下文应用于智能体特定偏好，以避免在多智能体动作预测中出现噪声或冗余信息。我们在各种多智能体情景上的大量实验表明，HiMemFormer的性能显著优于其他最先进的方法。