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。

本文介绍了一种结合了LSTM网络和注意力机制的人类轨迹预测模型。通过使用注意力分数确定模型关注的输入数据部分，该模型可以预测人类未来轨迹。在拥挤空间中的行人未来轨迹预测中，该模型表现出比社交LSTM算法更好的性能。