基于知识感知的图形转换器用于行人轨迹预测
内容提要
该文综述多种行人轨迹预测方法：社交图转换网络结合图卷积与Transformer处理空时图；可传递图神经网络联合轨迹预测与域对齐；时空图LSTM将位移误差降低55%/61%；多模态编码解码变换器在PIE和JAAD数据集上误差最低且速度更快；STAR模型利用注意力与外部记忆取得最新性能；动态有向社交图结合LSTM应对拥挤场景；空间交互转化器结合CVAE在nuScenes上领先；概率多模态GAN建模社交影响；注意力迭代模型媲美当前最优方法；单摄像头深度学习与动态轨迹预测器缓解数据不足问题。
延伸解读
技术路线分化：从图结构到注意力机制
文章梳理的方法呈现两条主线：一是显式建模行人社交关系的图神经网络（如社交图转换网络、可传递图神经网络、动态有向社交图），二是以Transformer注意力为核心的空间交互转化器、STAR等模型。后者在多个数据集上取得领先，但前者在拥挤场景和域适应方面仍有针对性优势。读者可据此判断不同方法适用的场景约束。
评估指标与数据集差异需谨慎对比
文中各方法报告的误差降低幅度和最优性能基于不同数据集（PIE、JAAD、nuScenes、ETH、UCY）与不同时间范围，例如时空图LSTM的ADE/FDE降低55%/61%是相对其他方法的比较结果，多模态变换器的最低误差则限定在0.5、1.0、1.5秒。跨方法直接比较数值并不严谨，应关注其测试条件与预测时长是否一致。
部署效率与数据不足是落地关键约束
多模态编码-解码变换器强调一次性预测整条未来轨迹，从而适合嵌入式边缘部署且速度更快；单摄像头方案则通过机器注释缓解训练数据不足，并预测未来一秒轨迹。这两项工作提示实际应用需权衡预测时长、计算资源与标注成本，而非仅追求离线基准上的最低误差。
Q&A
有哪些方法可以降低行人轨迹预测的位移误差？
时空图LSTM方法可将平均位移误差（ADE）和最终位移误差（FDE）分别降低高达55%和61%；多模态编码-解码变换器在PIE和JAAD数据集上0.5、1.0、1.5秒时间范围内误差最低；关注社交图转换网络在多个度量指标上最大限度降低位移误差。
多模态编码-解码变换器在行人轨迹预测中有什么优势？
该变换器以行人位置和自车速度作为输入，解码器一次性预测整个未来轨迹，无需逐步预测，因此适用于嵌入式边缘部署。在PIE和JAAD数据集上，它在0.5、1.0、1.5秒时间范围内误差最低，且速度比现有最先进技术更快。
STAR模型是如何实现最新性能的？
STAR模型使用关注机制进行轨迹预测，采用TGConv和临时Transformer模型，以及可读写的外部记忆模块，实现复杂的时空交互，在5个真实世界的行人预测数据集上取得了最新性能。
在拥挤场景中如何有效预测行人轨迹？
可以使用动态构建的有向社交图结合LSTM和时序随机方法，结合个人和社交特征生成目标代表，成功预测行人轨迹；也可采用时空图LSTM考虑静态和动态元素交互，显著降低位移误差。
基于空间交互转化器（SIT）的方法在哪些数据集上表现优异？
SIT通过注意机制学习时空相关性，并引入条件变分自动编码器（CVAE）框架建模未来潜在运动状态。在nuScenes数据集上性能优于最先进方法，并在ETH和UCY数据集上得到验证。
如何解决行人轨迹预测中训练数据不足的问题？
可以使用单个车载摄像头的深度学习方法，通过引入可扩展的机器注释方案来解决训练数据不足的问题，并提出了动态轨迹预测器（DTP）来预测未来一秒的行人轨迹，实验证实了该模型的好处。
