SKETCH：面向长航时船舶轨迹预测的语义关键点条件化
机器人学
2026-01-30 v2 人工智能
摘要
由于复杂导航行为和环境因素带来的复合不确定性，准确的长航时船舶轨迹预测仍然具有挑战性。现有方法通常难以保持全局方向一致性，导致在长时间跨度外推时出现轨迹漂移或不合理。为了解决这个问题，我们提出了一个语义关键点条件化的轨迹建模框架，其中通过以捕获导航意图的高层下一关键点（NKP）为条件来预测未来轨迹。该公式将长航时预测分解为全局语义决策和局部运动建模，有效地将未来轨迹的支撑限制在语义可行的子集中。为了从历史观测中高效估计 NKP 先验，我们采用了预训练-微调策略。在真实世界 AIS 数据上的大量实验表明，所提出的方法始终优于 SOTA 方法，特别是在长行驶时长、方向准确性和细粒度轨迹预测方面。
引用
@article{arxiv.2601.18537,
title = {SKETCH: Semantic Key-Point Conditioning for Long-Horizon Vessel Trajectory Prediction},
author = {Linyong Gan and Zimo Li and Wenxin Xu and Xingjian Li and Jianhua Z. Huang and Enmei Tu and Shuhang Chen},
journal= {arXiv preprint arXiv:2601.18537},
year = {2026}
}