本文介绍了PIP-Net框架，用于预测自动驾驶汽车在城市场景中行人过马路意图。该模型利用运动数据和驾驶场景的空间特征，采用循环和时间注意力的解决方案，能够提前4秒准确预测行人过马路意图。同时，作者还提出了Urban-PIP数据集，是一个自动驾驶情景下的定制行人意图预测数据集。

本文介绍了PIP-Net框架，用于预测自动驾驶汽车在现实城市场景中行人过马路意图。该模型利用运动数据和驾驶场景的空间特征，采用基于循环和时间注意力的解决方案，优于当前最先进的模型。该模型能够提前4秒准确预测行人过马路意图，是行人意图预测研究的突破。