.png){kind=icon}
返回
Probabilistic and Interaction-Aware Trajectory Prediction Using Score-Based Diffusion Models
.png){kind=icon}
PRE
AI
DOI：10.1109/TII.2025.3611991.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
理解人类运动是开发能够与人类无缝交互的智能系统的基本前提。轨迹预测是在智能交通、监控和人与机器人协作等领域的核心组成部分。然而，由于人类运动的固有不确定性和多模态特性，准确预测其运动仍是一个重大挑战。在本项工作中，我们提出了一种深度神经网络，通过将其表示为概率多模态分布来建模智能体动态并预测未来轨迹。为有效捕捉人类行为的不确定性，我们的方法采用基于分数的扩散模型，通过去噪潜在表示来学习生成逼真的轨迹样本。此外，我们引入了一种新颖的社会注意力机制，用于建模复杂的智能体间交互，从而进一步提升预测性能。我们在行人和船舶轨迹数据集上验证了我们的方法，展示了其在捕捉社会动态和预测多样化合理未来结果方面的卓越能力。大量的实验和消融研究证实了我们的框架在多样化真实环境中的鲁棒性、泛化能力和准确性。
Keyword:
Neural networks
probabilistic forecasts
trajectory prediction
期刊
IF:
9.9
论文数:
8.3K
被引数:
6.0W
机构
引用论文
.png){kind=icon}
AIS Data-Based Hybrid Predictor for Short-Term Ship Trajectory Prediction Considering Uncertainties考虑不确定性的基于AIS数据的短期船舶轨迹预测混合预测器
PREAI
分享收藏Social-STGCNN: A Social Spatio-Temporal Graph Convolutional Neural Network for Human Trajectory PredictionSocial-stgcnn: 一种用于人类轨迹预测的社会时空图卷积神经网络
OAAI
OAAI分享收藏
分享收藏Pairwise ship encounter identification and classification for knowledge extraction配对船舶相遇识别与分类以进行知识提取
PREAI
分享收藏
查看更多内容