SocialCircle：面向行人轨迹预测的学习基于角度的社会交互表征

在诸多智能系统与应用里，分析和预测行人、车辆等智能体在复杂场景中的轨迹变得愈发重要。丰富多样智能体之间社会交互行为的多样性与不确定性，使得该任务比其他确定性计算机视觉任务更具挑战性。研究者已付出大量努力，通过不同数学模型与网络结构来量化这些交互对未来轨迹的影响，但此问题尚未得到很好解决。受海洋动物在水下通过回声定位同伴位置的启发，我们构建了一种新的基于角度的可训练社会交互表征，称为 SocialCircle，用于持续反映相对于目标智能体不同角向上的社会交互上下文。我们通过将所提 SocialCircle 与若干新发布的轨迹预测模型一同训练来验证其效果，实验表明 SocialCircle 不仅在定量上提升了预测性能，还在定性上以符合人类直觉的方式更好地模拟了行人轨迹预测中的社会交互。