TrajMamba：基于 ego-motion 引导的行人轨迹预测 Mamba 模型

从 egocentric 视角对被跟踪行人的未来轨迹预测是自动驾驶和机器人导航等领域的关键任务。该任务的挑战在于 ego-camera 与被跟踪行人之间复杂动态相对运动。为此，我们提出了一个基于 Mamba 模型的 ego-motion 引导轨迹预测网络。首先，使用两个 Mamba 模型作为编码器分别从行人运动和 ego-vehicle 运动中提取行人运动和 ego-motion 特征。随后，构建一个 ego-motion 引导 Mamba 解码器，通过将行人运动特征作为历史上下文与 ego-motion 特征作为引导线索集成，以显式建模行人与车辆之间的相对运动，捕获解码特征。最后，根据未来时间戳从解码特征中生成未来轨迹。大量实验表明，我们的模型有效性显著， 在 PIE 和 JAAD 数据集上实现了最先进的性能。