Trajectron++：基于异构数据的动态可行性轨迹预测

对人体运动的合理推理是实现安全且具备社会意识的机器人导航的重要前提。因此，多智能体行为预测已成为现代人机交互系统（如自动驾驶汽车）的核心组成部分。尽管已有多种轨迹预测方法，但大多数方法未考虑动态约束，也未能充分融合环境信息（如地图数据）。为此，我们提出Trajectron++，这是一种模块化、图结构的循环模型，能够在融合智能体动力学特性和异构数据（如语义地图）的基础上，对任意数量的多样化智能体进行轨迹预测。Trajectron++设计上可与机器人规划与控制框架紧密集成，例如，其预测结果可选择性地基于自车智能体的运动规划进行条件化。我们在多个具有挑战性的真实世界轨迹预测数据集上验证了该模型的性能，结果表明其在多种先进的确定性与生成式方法中均表现出色，显著优于现有技术水平。