基于扩散模型的通用轨迹预测器 SingularTrajectory

存在五种轨迹预测任务：确定性、随机、域适应、瞬时观察和 few-shot。这些关联任务由各种因素定义，例如输入路径长度、数据划分和预处理方法。有趣的是，尽管它们通常以观察序列坐标为输入并推断相同坐标系下的未来路径，但仍需为每个任务设计专门的 architecture。对于其他任务，通用性问题可能导致亚最佳性能。在本文中，我们提出 SingularTrajectory ，一个基于扩散的通用轨迹预测框架，以减少五种任务之间的性能差距。SingularTrajectory 的核心是将与相关任务中各种人类动力学 representation 统一到一个 embedding space。为此，我们首先构建一个 Singular space 将每个任务中的各种运动模式投影到一个 embedding space 中。接着，我们提出了一个在 Singular space 中工作的自适应锚点。与传统固定锚点方法不同，后者有时会产生不可接受的路径，而我们的自适应锚点可基于 traversability map 实现正确锚点，即使锚点被置于错误位置。最后，我们采用基于扩散的 predictor 通过级联去噪过程进一步增强 prototype paths 。我们的统一框架确保在 various benchmark settings 下的通用性，例如 input modality 和 trajectory lengths 。在五个公开基准测试上进行大量实验，表明 SingularTrajectory 在估计人类运动的 general dynamics 方面显著优于现有模型，凸显其有效性。代码已公开于 https://github.com/inhwanbae/SingularTrajectory 。