本文提出了一种基于行为感知的学习框架，结合强化学习和反向动力学预测目标，将行动信息纳入表示学习中。该方法在视觉模型基准测试中表现优势，并通过实时数据训练，比预训练模型更具鲁棒性。

本论文介绍了MFTraj，一种自主驾驶轨迹预测模型，能够在动态交通场景中捕捉复杂的交互作用，无需高清地图。该模型结合历史轨迹数据和基于动态几何图的行为感知模块，通过自适应的结构感知交互图卷积网络捕捉道路用户的位置和行为特征。评估结果表明，MFTraj在数据有限的情况下，甚至无需额外信息，也能胜过许多基准模型，为自主驾驶轨迹预测带来了显著进步。