BriefGPT - AI 论文速递
·
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。
📝
内容提要
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%。
🎯
关键要点
- 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。
- MART的核心模块是编码器，由成对关系变换器（PRT）和超关系变换器（HRT）组成。
- 通过引入HRT，MART能够将超边特征集成到变换器机制中，促进注意力权重集中在群体关系上。
- 提出了一种自适应群体估计器（AGE），旨在推断现实环境中的复杂群体关系。
- 在NBA数据集上，MART方法提高了ADE/FDE 3.9%/11.8%。
🏷️
标签
➡️
