JACoP：面向合规多智能体预测的联合对齐
计算机视觉与模式识别
2026-05-13 v1 机器人学
摘要
使用生成建模的随机人体轨迹预测（HTP）已成为一个重要的研究领域。尽管最先进的模型在优化个体智能体的精度方面表现出色，但它们往往难以生成集体合规的预测，导致输出轨迹充满社会碰撞和环境违规，从而使其在实际应用中不切实际。为了弥补这一差距，我们提出了 JACoP：面向合规多智能体预测的联合对齐，这是一个创新的多阶段框架，可确保场景层面的合理性。JACoP 引入了一个基于锚点的智能体中心分析器，用于有效的初始合规性过滤，并采用基于马尔可夫随机场（MRF）的对齐器来形式化场景预测的联合选择。通过将智能体间的空间和社会成本表示为 MRF 能量势，我们成功地推断并采样了联合轨迹分布，实现了具有最佳场景合规性的预测。综合实验表明，JACoP 不仅达到了有竞争力的精度，还在减少环境违规和社会碰撞方面树立了新标准，从而证实了其生成集体可行且实际可用的轨迹预测的能力。
引用
@article{arxiv.2605.11385,
title = {JACoP: Joint Alignment for Compliant Multi-Agent Prediction},
author = {Qingze Liu and Alen Mrdovic and Danrui Li and Mathew Schwartz and Sejong Yoon and Mubbasir Kapadia},
journal= {arXiv preprint arXiv:2605.11385},
year = {2026}
}
备注
Accepted by CVPRF 2026