多智能体轨迹预测：基于难度引导特征增强网络

本文提出了一种新颖的 Difficulty-Guided Feature Enhancement Network（DGFNet），利用代理人之间的预测困难差异进行多代理人轨迹预测，实现了 Argoverse 1＆2 运动预测基准的最先进性能，通过消融研究进一步验证了各个模块的有效性，并且相比 SOTA 方法，我们的方法在平衡轨迹预测准确性和实时推理速度方面具有优势。