leg143730的博客

运动预测依靠HD地图，地图是图结构的。然而，与许多直接部署GNN的其他应用程序不同，HD地图是异质图，其中顶点（车道）由各种性质的边（车道-车道交互关系）连接，大多数基于图的模型没有设计为理解各种边类型，这些边类型为预测智能体如何行驶车道提供了关键线索。我们提出了路径感知图注意力（Path Aware Graph Attention），这是一种新的注意力架构，通过解析形成连接两个顶点的路径的边序列来推断两个顶点之间的注意力。

mmtransformer

Social Force 认为行人行为不是由社会环境外力直接作用的，而是行人内在属性驱动的。模型是衡量这种动机的一种度量。模型中有三个核心“力”项：（1）一个描述朝向所需运动速度的加速度的力项；（2）反映行人与其他行人及边界保持一定距离的力项；（3）一个模拟吸引力效果的力项。由此产生的运动方程是非线性耦合的Langevin方程。复杂环境下的人类行为模型是不可预测的，但在相对简单的场景中，随机行为是可以被建模的。图 1 说明了导致行为变化的过程图。

多目标轨迹预测，CAVE，CNN, RNN（GRU），encoder-decoder ,mask, 反馈机制，以奖励机制为目标进行优化。

多目标轨迹预测

DenseTNT

轨迹预测

trajectron++ 论文笔记