TPK：集成先验知识的可信轨迹预测以提高可解释性和运动学合理性

本研究解决了现有深度学习模型在轨迹预测中预测不可信和不合理的问题。我们提出了一种新方法，结合了所有交通参与者类别的交互和运动学先验，通过特定于类别的交互层来捕捉行为差异，同时引入了基于规则的交互重要性评分DG-SFM，以提高交互的可解释性。实验结果表明，尽管准确率略有下降，但我们的方法消除了数据集中不合理的轨迹，从而增强了轨迹预测的可信度。