融合可解释导航意图的统一多模态船舶轨迹预测
机器学习
2026-02-05 v1
摘要
船舶轨迹预测是智能海洋系统的基本任务。在该领域，针对复杂海洋环境中快速行为变化的短期预测，多模态轨迹预测 (MTP) 已成为一个有前景的研究领域。然而，现有的船舶MTP方法存在场景适用性有限和解释性不足的问题。为此，我们提出了一种统一的MTP框架，集成可解释的导航意图。我们将意图分为持续型和瞬时型两类。该方法从历史轨迹构建持续意图树，并使用条件变分自编码器 (CVAE) 模型动态瞬时意图，同时利用非局部注意力机制保持全局情景一致性。在真实的自动识别系统 (AIS) 数据集上的实验表明，我们的方法在各种场景下都具有广泛的适用性，显著改进了ADE和FDE。此外，该方法通过显式揭示每个预测轨迹背后的导航意图来提高了可解释性。
引用
@article{arxiv.2511.14265,
title = {Unified Multimodal Vessel Trajectory Prediction with Explainable Navigation Intention},
author = {Rui Zhang and Chao Li and Kezhong Liu and Chen Wang and Bolong Zheng and Hongbo Jiang},
journal= {arXiv preprint arXiv:2511.14265},
year = {2026}
}