JointDiff：在多智能体轨迹生成中桥接连续与离散
机器学习
2026-01-30 v3 计算机视觉与模式识别
摘要
生成模型通常将连续数据和离散事件视为独立的过程，这在建模它们同步交互的复杂系统时造成了差距。为了弥合这一差距，我们引入了 JointDiff，这是一个新颖的扩散框架，旨在通过同时生成连续的时空数据和同步的离散事件来统一这两个过程。我们通过在体育领域同时建模多智能体轨迹和关键控球事件来展示其有效性。这种联合建模通过不可控生成和两种新颖的可控生成场景得到验证：弱控球者引导，它通过一个简单的预期控球者列表提供对比赛动态的灵活语义控制；以及文本引导，它实现了细粒度的、语言驱动的生成。为了实现这些引导信号的调节，我们引入了 CrossGuid，这是一种针对多智能体领域的有效调节操作。我们还分享了一个新的统一体育基准，该基准为足球和橄榄球数据集增强了文本描述。JointDiff 实现了最先进的性能，表明联合建模对于构建逼真且可控的交互式系统生成模型至关重要。https://guillem-cf.github.io/JointDiff/
引用
@article{arxiv.2509.22522,
title = {JointDiff: Bridging Continuous and Discrete in Multi-Agent Trajectory Generation},
author = {Guillem Capellera and Luis Ferraz and Antonio Rubio and Alexandre Alahi and Antonio Agudo},
journal= {arXiv preprint arXiv:2509.22522},
year = {2026}
}
备注
Accepted at ICLR 2026