ADP-Net:一个分层的注意力-扩散-预测框架,用于预测人类的轨迹
Zhenggui Zhang1, Shanlin Xiao1, Zhiyi Yu1
1School of Microelectronics Science and Technology, Sun Yat-sen University, Guangzhou, China.
Frontiers in artificial intelligence
|December 15, 2025
概括
对于自主系统而言,精确的群众行为预测通过注意力扩散预测网络 (ADP-Net) 得到了改进. 这种新的框架增强了时空建模,在预测准确性方面超过了现有的方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 人群行为预测对自主系统至关重要.
- 当前的时空图卷积网络 (STGCNs) 存在局限性,包括受限的受容场和差的拓扩展性.
- 这些局限性导致模拟复杂人群动态时的性能不足.
研究的目的:
- 为准确预测人群行为开发一种新的计算框架.
- 解决现有的STGCN在捕捉时空动态方面的局限性.
- 建议注意力扩散预测网络 (ADP-Net) 用于增强人群行为建模.
主要方法:
- 建立了图形卷积网络 (GCN) 和个性化传播神经架构之间的理论联系.
- 引入了注意力扩散预测网络 (ADP-Net),其中包括一致的图形卷积层,多尺度的注意力扩散层 (实施图形扩散卷积 - GDC) 和自适应时间卷积模块.
- 采用GCN操作的多项式近似和GDC的近似个性化传播方案,以实现高效的多跳互动建模.
主要成果:
- 在标准基准 (ETH/UCY和斯坦福无人机数据集) 上取得了最先进的结果.
- 与先前的方法相比,已经证明了显著的改善,平均位移误差 (ADE) 提高了4%,最终位移误差 (FDE) 提高了26%.
- 验证了框架在建模时空人群动态方面的有效性.
结论:
- 拟议的ADP-Net为在自主系统中预测人群行为提供了一个强大的理论框架和实际实施.
- ADP-Net克服了传统的STGCN的局限性,通过实现高效的多节点交互建模和保持结构一致性.
- 这一进步有助于在人类环境中实现更安全,更有效的自主系统运行.
