MATRIX：具有多样化上下文的多智能体轨迹生成

数据驱动方法在建模复杂的人类行为动态以及处理许多人机交互应用方面具有巨大优势。然而，收集大规模且带注释的真实世界人类数据集一直是一项艰巨的任务，特别是对于高度交互的场景。另一方面，算法数据生成方法通常受限于其模型能力，使其无法提供各类应用用户所需的真实且多样化的数据。在这项工作中，我们研究了多人类或人机交互场景下的轨迹级数据生成，并提出了一种基于学习的自动轨迹生成模型，我们称之为“具有多样化上下文的多智能体轨迹生成”（MATRIX）。MATRIX 能够在真实多样的上下文中生成交互式人类行为。我们通过建模显式且可解释的目标来实现这一目标，使 MATRIX 能够基于多样化的目的地和异构行为生成人类运动。我们进行了广泛的对比和消融研究，以说明我们的方法在各种指标上的有效性。我们还展示了实验，证明 MATRIX 能够作为基于模仿的运动规划的数据增强。