建模3D 步行者-车辆交互用于车辆条件下的姿态预测
计算机视觉与模式识别
2026-02-10 v1 机器人学
摘要
准确预测步行者运动对于在复杂城市环境中实现安全可靠的自动驾驶至关重要。本文提出一种3D 车辆条件步行者姿态预测框架，显式地融合周围车辆信息。为支持此目标，我们增强了 Waymo-3DSkelMo 数据集，添加了对齐的3D 车辆边界框，以实现真实的多智能体步行者-车辆交互建模。我们引入一种采样方案，将场景按步行者和车辆数量进行分类，促进在不同交互复杂度下的训练。我们提出的网络在 TBIFormer 架构基础上添加了专用车辆编码器和步行者-车辆交互跨注意力模块，以融合步行者和车辆特征，使预测能够同时以历史步行者运动和周围车辆为条件。广泛的实验表明，我们在预测准确度和建模步行者-车辆交互方面实现了显著的改进，验证了不同建模步行者-车辆交互方法的有效性，凸显了车辆感知3D 姿态预测对自动驾驶的重要性。代码已公开: https://github.com/GuangxunZhu/VehCondPose3D
引用
@article{arxiv.2602.08962,
title = {Modeling 3D Pedestrian-Vehicle Interactions for Vehicle-Conditioned Pose Forecasting},
author = {Guangxun Zhu and Xuan Liu and Nicolas Pugeault and Chongfeng Wei and Edmond S. L. Ho},
journal= {arXiv preprint arXiv:2602.08962},
year = {2026}
}
备注
Accepted for IEEE International Conference on Robotics and Automation (ICRA) 2026