PPT：基于伪标签轨迹预训练的运动预测
计算机视觉与模式识别
2026-02-27 v3 机器人学
摘要
准确预测动态场景中智能体的运动对安全自动驾驶至关重要。最先进的运动预测模型依赖于具有人工标注或后处理轨迹的数据集。然而，构建这些数据集成本高昂、通常需要人工操作、难以扩展且缺乏可复现性。它们还引入了限制跨环境泛化的领域差距。我们提出了PPT（基于伪标签轨迹的预训练），一个利用来自现成3D检测器和跟踪的未经处理且多样化的轨迹自动生成的简单且可扩展的预训练框架。与旨在获得干净单标签标注的数据标注流水线不同，PPT是一个将现成轨迹作为学习鲁棒表示的有用信号的预训练框架。通过在少量标注数据上进行可选微调，用PPT预训练的模型在标准基准上取得了强劲性能，特别是在低数据条件下，以及在跨域、端到端和多类场景中。PPT易于实现，并改善了运动预测的泛化能力。
引用
@article{arxiv.2412.06491,
title = {PPT: Pretraining with Pseudo-Labeled Trajectories for Motion Forecasting},
author = {Yihong Xu and Yuan Yin and Éloi Zablocki and Tuan-Hung Vu and Alexandre Boulch and Matthieu Cord},
journal= {arXiv preprint arXiv:2412.06491},
year = {2026}
}
备注
8 pages, 6 figures, accepted to ICRA 2026