SRefiner: 用于多智能体轨迹细化的软辫注意力机制
机器人学
2025-07-08 v1
摘要
准确预测多智能体未来轨迹对于自动驾驶系统做出安全高效的决策至关重要。轨迹细化已成为提升预测精度的关键策略。然而，现有的细化方法常常忽略轨迹之间的拓扑关系，而这些关系对于提高预测精度至关重要。受辫子理论的启发，我们提出了一种新颖的轨迹细化方法——软辫细化器（SRefiner），该方法通过软辫注意力机制，利用轨迹的软辫拓扑结构进行引导。软辫注意力通过考虑“软交叉点”处的空间邻近性和车辆运动状态，捕捉轨迹之间的时空拓扑关系。此外，我们将此方法扩展到建模轨迹与车道之间的交互，进一步提升了预测精度。SRefiner 是一个多迭代、多智能体框架，它通过迭代细化轨迹，融入拓扑信息以增强交通场景内的交互。在两个数据集上，SRefiner 在四种基线方法上均取得了显著的性能提升，确立了轨迹细化的新最优水平。代码位于 https://github.com/Liwen-Xiao/SRefiner。
引用
@article{arxiv.2507.04263,
title = {SRefiner: Soft-Braid Attention for Multi-Agent Trajectory Refinement},
author = {Liwen Xiao and Zhiyu Pan and Zhicheng Wang and Zhiguo Cao and Wei Li},
journal= {arXiv preprint arXiv:2507.04263},
year = {2025}
}