未知目标与运动学下的基于贝叶斯意图推断的轨迹预测
机器人学
2025-09-30 v1
摘要
本工作引入了一种自适应贝叶斯算法，通过意图推断进行实时轨迹预测，其中目标的意图与运动特征未知且可能发生变化。该方法同时估计两个关键变量：建模为马尔可夫隐状态的当前意图，以及描述目标遵循最短路径策略程度的意图参数。通过整合这种联合更新技术，该算法对意图的突变与未知的运动动力学保持鲁棒性。随后，一种基于采样的轨迹预测机制利用这些自适应估计生成具有量化不确定性的概率预测。我们通过数值实验验证了该框架：两个案例的消融研究，以及 500 次试验的蒙特卡洛分析；在四旋翼与四足平台上的硬件演示。实验结果表明，所提出的方法显著优于非自适应与部分自适应方法。该方法以约 270 Hz 的频率实时运行，且无需训练或目标行为的详细先验知识，展示了其在各种机器人系统中的适用性。
引用
@article{arxiv.2509.24928,
title = {Trajectory Prediction via Bayesian Intention Inference under Unknown Goals and Kinematics},
author = {Shunan Yin and Zehui Lu and Shaoshuai Mou},
journal= {arXiv preprint arXiv:2509.24928},
year = {2025}
}