.png){kind=icon}
返回
Behavior-Pred: A semantic-enhanced trajectory pre-training framework for motion forecasting
.png){kind=icon}
PRE
AI
DOI：10.1016/j.inffus.2025.103086.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
预测动态交通代理的未来运动对于自主系统至关重要。有效理解交通代理的行为模式是准确预测其未来运动的关键。受人工智能中预训练和微调范式成功的启发，我们为自动驾驶领域的运动预测开发了一个语义增强的轨迹预训练框架，命名为Behavior-Pred。具体而言，我们在预训练阶段设计了两种任务：细粒度重建和粗粒度对比任务，以学习历史和未来行为及其模式一致性的更好表示。在细粒度重建学习中，我们采用基于时间步级别的时序维掩码策略，与基于代理的掩码相比，该策略保留了历史和未来的模式。在粗粒度对比学习中，我们设计了一个基于相似度的损失函数，以把握历史模式与未来之间的关系/一致性。总体而言，Behavior-Pred通过多粒度预训练任务学习更全面的行为语义。实验结果表明，我们的框架优于各种基线方法。
Keyword:
Self-supervised learning
Generative pre-training
Autonomous motion forecasting
