MART: 多尺度关系变换网络用于多智能体轨迹预测
原文中文,约500字,阅读约需2分钟。发表于: 。多智能体轨迹预测中,学习为基础的方法如图神经网络、图变换器和超图神经网络在真实世界数据集上表现出色。然而,基于超图变换器的轨迹预测方法尚未被探索。因此,我们提出了一种用于多智能体轨迹预测的多尺度关系变换器网络(MART)。MART 是一种超图变换器架构,用于在变换器机制中考虑个体和群体行为。MART...
本文介绍了多尺度关系变换器网络(MART)用于多智能体轨迹预测。MART是一种超图变换器架构,能够综合考虑个体和群体行为。通过引入超关系变换器(HRT),MART能够将超边特征集成到变换器机制中,从而提高注意力权重在群体关系上的集中度。实验证明,该方法在NBA数据集上提高了ADE/FDE 3.9%/11.8%。