先于预测轨迹学习延迟：驻波现象
计算机视觉与模式识别
2025-12-01 v2
摘要
将过去与未来相连，连接空间上的代理人与时间上的代理人，是轨迹预测任务的核心。尽管付出了巨大的努力，但仍然具有挑战性地显式学习和预测延迟，即代理人对各种轨迹变化事件作出响应、调整其未来路径的时间间隔。无论是独立作出反应还是相互作用，都可能存在这种延迟。不同的代理人可能对特定轨迹变化事件的注意、处理和反应存在不同的延迟偏好。未能考虑此类延迟可能削弱预测系统的因果连续性，导致不合理或意外的轨迹。灵感来自声学中的驻波现象，我们提出了一种新的驻波变换及其对应的驻波 (Rev) 轨迹预测模型。该模型通过使用两个显式且可学习的驻波内核，预测个体延迟偏好及其随机变动，从而实现基于延迟条件和可控性的轨迹预测，适用于非相互作用和社交延迟。在多个数据集上进行的实验（包括行人和车辆）表明，Rev 在保持竞争性精度的同时，揭示了跨代理人和情景的可解释延迟动力学。定性分析进一步验证了驻波变换的特性，凸显了其作为通用延迟建模方法的潜力。
引用
@article{arxiv.2511.11164,
title = {Reverberation: Learning the Latencies Before Forecasting Trajectories},
author = {Conghao Wong and Ziqian Zou and Beihao Xia and Xinge You},
journal= {arXiv preprint arXiv:2511.11164},
year = {2025}
}