【PyTorch实战】用LSTM预测物体运动轨迹的二维坐标（附完整代码）

在实际应用中，我们经常需要预测目标在未来某个时间点的位置，比如无人机路径规划、自动驾驶中的轨迹预测、运动目标跟踪等任务。本篇文章将演示如何使用 LSTM 模型预测二维空间中的轨迹点坐标（x, y），并用 PyTorch 手写一个完整的训练与可视化流程。

一、为什么用LSTM来预测坐标？

LSTM（长短期记忆网络）特别适合处理时间序列问题，而物体轨迹正是典型的序列问题——每个坐标点都依赖于前面的运动状态。因此，我们可以将历史若干帧的坐标点作为输入，用 LSTM 来预测下一个 (x, y) 点。

---

二、模拟生成轨迹数据

为了演示，我们使用一个简单的正弦-余弦函数来生成一个闭合轨迹（近似圆轨迹）。你可以将其理解为一个物体沿圆轨迹移动。

import numpy as np

data_len = 300
x = n