Traj-Explainer:一种可解释且稳健的多模态轨迹预测方法
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对现有轨迹预测模型忽略场景代理联合推理及缺乏可解释性的问题,提出了一种名为Traj-Explainer的轨迹预测模型,旨在提升模型的可解释性并理解预测的内在机制。通过优化的条件扩散和Shapley值模型,验证了模型在多个轨迹预测数据集中的有效性,结果表明其学习到的输入因素与实际驾驶经验相符合,具有重要的实际应用潜力。
本研究提出了Traj-Explainer轨迹预测模型,旨在解决现有模型缺乏可解释性的问题。通过条件扩散和Shapley值验证其有效性,结果表明模型学习的输入因素与实际驾驶经验一致,具有重要的应用潜力。