利用平滑注意力先验的多智能体轨迹预测

多智能体交互对于预测其他智能体的行为和轨迹至关重要。在某一时刻，为预测合理的未来轨迹，每个智能体只需关注与一小群最相关智能体的交互，而无须不必要地关注所有其他智能体。然而，现有的注意力建模工作忽略了驾驶中的人类注意力不会快速变化，并可能引入跨时间步的波动注意力。本文中，我们基于全变分时间平滑先验构建了多智能体交互的注意力模型，并提出了一种利用这些被关注交互知识的轨迹预测架构。我们展示了全变分注意力先验与新的序列预测损失项如何带来更平滑的注意力以及更高效样本的多智能体轨迹预测学习，并通过在合成和真实驾驶数据上与最先进方法比较，展示了其在预测精度上的优势。我们在网站上展示了算法在INTERACTION数据集上的轨迹预测性能。