PMM-Net：基于分块嵌入和显式模态调制的单阶段多智能体轨迹预测
机器人学
2024-10-28 v1 人工智能
摘要
分析和预测像行人等智能体的轨迹是构筑具身智能应用的关键任务。人类行为固有的不可确定性以及来自多样化智能体之间复杂社交互动，使得该任务比常规时间序列预测更具挑战性。在此信头中，我们旨在探索一种不同的多智能体轨迹预测框架。具体而言，我们提出了基于分块的时间特征提取模块和基于图的社交特征提取模块，实现有效的特征提取和跨情景泛化。此外，我们重新评估社交互动的作用，提出一种基于显式模态调制的新方法，用于整合时间和社交特征，从而构建高效的单阶段推理管道。在公开基准数据集上的结果表明，我们的方法在性能上优于最新方法。代码可在 github.com/TIB-K330/pmm-net 获取。
引用
@article{arxiv.2410.19544,
title = {PMM-Net: Single-stage Multi-agent Trajectory Prediction with Patching-based Embedding and Explicit Modal Modulation},
author = {Huajian Liu and Wei Dong and Kunpeng Fan and Chao Wang and Yongzhuo Gao},
journal= {arXiv preprint arXiv:2410.19544},
year = {2024}
}