摘要
近年来，当能够提供充分的目标位置估计时，基于目标条件（goal-conditioned）的方法在行人轨迹预测中展现出显著优势。然而，目标推理本身具有挑战性，通常需要额外的学习成本。为此，我们提出一种通过目标知识引导进行行人轨迹预测的新方法，该目标知识可通过在已有训练样本上引入一种新颖的目标搜索机制，以较低成本获得。本研究包含三大核心贡献：首先，我们设计了一种利用最近邻样本进行高质量目标位置推断的框架。该方法天然具备多模态建模能力，能够考虑物理约束，并与现有方法兼容，且为无模型（model-free）方法，因此无需传统目标推理中常见的额外学习过程。其次，我们提出一种端到端的轨迹预测模型，能够高效地将目标检索结果与历史运动信息关联，并动态推断未来可能的轨迹。第三，结合上述两项创新技术，我们在两个广泛研究的数据集（SDD 和 ETH/UCY）上开展了一系列实验，结果表明，我们的方法在性能上显著超越此前的最先进水平，同时大幅减少了对额外参数的依赖。