基于智能体选择与物理系数的可解释交互建模轨迹预测
计算机视觉与模式识别
2025-07-01 v5 人工智能
摘要
深入理解目标智能体与周围智能体之间的交互是准确轨迹预测的先决条件。尽管已有许多方法被探索，但它们以纯学习的方式为周围智能体分配相关系数。在本研究中，我们提出了 ASPILin，它手动选择交互智能体，并用新计算的物理相关系数替换 Transformer 中的注意力分数，从而增强了交互建模的可解释性。令人惊讶的是，这些简单的修改能够显著提升预测性能并大幅降低计算成本。我们在其他方面（如地图编码）有意简化了模型。值得注意的是，在 INTERACTION、highD 和 CitySim 数据集上进行的实验表明，我们的方法高效且直接，优于其他 state-of-the-art 方法。
引用
@article{arxiv.2405.13152,
title = {Interpretable Interaction Modeling for Trajectory Prediction via Agent Selection and Physical Coefficient},
author = {Shiji Huang and Lei Ye and Min Chen and Wenhai Luo and Dihong Wang and Chenqi Xu and Deyuan Liang},
journal= {arXiv preprint arXiv:2405.13152},
year = {2025}
}
备注
Accepted by International Conference on Intelligent Robots and Systems (IROS 2025)