BriefGPT - AI 论文速递
·
TrTr：一种基于 Transformer 的多功能预训练大型交通模型，用于捕捉车辆群体中的轨迹多样性
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种预测行人未来轨迹的新方法，使用多模态编码 - 解码变换器架构，以行人位置和自车速度作为输入，预测整个未来轨迹。实验结果表明，该模型具有最低误差，并且速度更快。
🎯
关键要点
-
提出了一种新颖的解决方案，用于预测行人的未来轨迹。
-
使用多模态编码 - 解码变换器架构，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，适用于嵌入式边缘部署。
-
在PIE和JAAD两个数据集上进行了详细实验和评估。
-
模型在0.5、1.0和1.5秒三个时间范围内具有最低误差。
-
相对于现有最先进技术，模型速度更快。
-
消融实验证明了多模态配置的关键影响。
🏷️
