Awesome Interaction Aware Trajectory Prediction下載 - Awesome Interaction Aware Trajectory Prediction原始碼下載

優異的互動感知行為和軌跡預測

這是與軌跡預測相關的最先進研究資料（資料集、部落格、論文和公共代碼）清單。希望對學術界和工業界都有幫助。（仍在更新）

維護者： Jiachen Li （史丹佛大學）；馬恆波、李金寧（加州大學柏克萊分校）

電子郵件：[email protected]； {hengbo_ma, jinning_li}@berkeley.edu

請隨時提出請求以新增新資源或向我們發送電子郵件以提出問題、討論和協作。

注意：這裡也收集了強化學習、決策和運動規劃的材料。

如果您發現此儲存庫有用，請考慮引用我們的工作：

 @inproceedings{li2020evolvegraph,
  title={EvolveGraph: Multi-Agent Trajectory Prediction with Dynamic Relational Reasoning},
  author={Li, Jiachen and Yang, Fan and Tomizuka, Masayoshi and Choi, Chiho},
  booktitle={2020 Advances in Neural Information Processing Systems (NeurIPS)},
  year={2020}
}

@inproceedings{li2019conditional,
  title={Conditional Generative Neural System for Probabilistic Trajectory Prediction},
  author={Li, Jiachen and Ma, Hengbo and Tomizuka, Masayoshi},
  booktitle={2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
  pages={6150--6156},
  year={2019},
  organization={IEEE}
}

數據集

車輛與交通

數據集	代理商	應用場景	感應器
Waymo 開放資料集	車輛/騎自行車的人/人	城市/高速公路	光達/攝影機/雷達
阿爾戈宇宙	車輛/騎自行車的人/人	城市/高速公路	光達/攝影機/雷達
新場景	車輛	城市的	相機/光達/雷達
高D	車輛	公路	相機
內D	車輛	公路	相機
D輪	車輛	公路	相機
BDD10萬	車輛/騎自行車的人/人	高速公路/城市	相機
基蒂	車輛/騎自行車的人/人	高速公路/鄉村地區	相機/光達
NGSIM	車輛	公路	相機
交互作用	車輛/騎自行車的人/人	環島/十字路口	相機
騎自行車的人	騎自行車的人	城市的	相機
阿波羅景觀	車輛/騎自行車的人/人	城市的	相機
優達學城	車輛	城市的	相機
城市景觀	車輛/人	城市的	相機
史丹佛無人機	車輛/騎自行車的人/人	城市的	相機
阿爾戈宇宙	車輛/人	城市的	相機/光達
特拉夫	車輛/巴士/騎自行車者/自行車/人/動物	城市的	相機
阿沙芬堡姿勢資料集	騎自行車的人/人	城市的	相機

行人

數據集	代理商	應用場景	感應器
UCY	人們	扎拉/學生	相機
以太坊 (ICCV09)	人們	城市的	相機
維拉特	人/車	城市的	相機
基蒂	車輛/騎自行車的人/人	高速公路/鄉村地區	相機/光達
空中交通管制	人們	購物中心	距離感測器
戴姆勒	人們	從移動的車輛	相機
中央車站	人們	車站內	相機
鎮中心	人們	城市街道	相機
愛丁堡	人們	城市的	相機
城市景觀	車輛/人	城市的	相機
阿爾戈宇宙	車輛/人	城市的	相機/光達
史丹佛無人機	車輛/騎自行車的人/人	城市的	相機
軌跡網	人們	城市的	相機
派	人們	城市的	相機
分叉路徑	人們	城市/模擬	相機
軌跡網++	人們	城市的	相機
阿沙芬堡姿勢資料集	騎自行車的人/人	城市的	相機
騎乘者頂視圖資料集 (CTV)	騎自行車的人/人	城市的	相機

運動運動員

數據集	代理商	應用場景	感應器
足球	人們	足球場	相機
NBA運動VU	人們	籃球館	相機
國家美式足球聯盟	人們	美式足球	相機

文獻和程式碼

調查論文

自動駕駛車輛軌跡預測的機器學習：綜合調查、挑戰和未來研究方向，arXiv 預印本 arXiv:2307.07527，2023。
將駕駛知識融入基於深度學習的車輛軌跡預測：一項調查，IEEE T-IV，2023 年。
行人-車輛混合環境中的行人軌跡預測：系統綜述，IEEE T-ITS，2023 年。
自動駕駛軌跡預測方法調查，IEEE T-IV 2022。
基於深度學習模型的車輛軌跡預測綜述，可持續專家系統國際會議，ICSES 2022。
自動駕駛汽車的場景理解和運動預測 – 回顧與比較，IEEE T-ITS，2022 年。
基於車輛資訊的多模態融合技術：調查，arXiv 預印本 arXiv:2211.06080, 2022。
自動駕駛深度強化學習：一項調查，IEEE T-ITS，2022 年。
自動駕駛的社交互動：回顧與展望，arXiv 預印本 arXiv:2208.07541，2022 年。
時空資料的生成對抗網路：一項調查，ACM T-IST，2022 年。
駕駛場景中的行為意圖預測：一項調查，arXiv 預印本 arXiv:2211.00385，2022。
自動駕駛行人和車輛運動預測調查，IEEE Access，2021 年。
行人軌跡預測方法綜述：比較深度學習和基於知識的方法，arXiv 預印本 arXiv:2111.06740，2021。
軌跡資料管理、分析和學習調查，CSUR 2021。
自動駕駛的行人行為預測：要求、指標和相關特徵，IEEE T-ITS，2021 年。
基於深度學習的行人軌跡預測方法綜述，感測器，2021 年。
自動駕駛中車輛軌跡預測深度學習方法的調查，ROBIO 2021。
自動駕駛深度學習技術調查，《現場機器人雜誌》，2020 年。
人體運動軌跡預測：一項調查，國際機器人研究雜誌，2020 年。
深度學習自動駕駛：最新技術調查，arXiv 預印本 arXiv:2006.06091，2020。
視覺交通模擬調查：自動駕駛中的模型、評估和應用，電腦圖形論壇 2020。
基於深度學習的自動駕駛應用車輛行為預測：綜述，IEEE T-ITS 2020。
自動駕駛車輛運動規劃深度強化學習綜述，IEEE T-ITS 2020。
車輛軌跡相似性：模型、方法和應用，ACM 計算調查 (CSUR 2020)。 [紙]
人類駕駛員行為的建模和預測：一項調查，2020 年。
城市場景中行人行為預測的文獻綜述，ITSC 2018。
基於視覺的路徑預測調查。 [紙]
與行人互動的自動駕駛車輛：理論與實務調查。 [紙]
軌跡資料探勘：概述。 [紙]
智慧車輛運動預測與風險評估研究綜述[紙]

具有交互作用的物理系統

使用次等變圖神經網路學習物理動力學，NeurIPS 2022。
EvolveGraph：利用動態關係推理進行多智能體軌跡預測，NeurIPS 2020。
多機器人系統互動模板，IROS 2019。
多交互系統的因式分解神經關係推理，ICML 研討會 2019。
物理作為逆圖形：影片中物體和物理的聯合無監督學習，2019。
交互系統的神經關係推理，ICML 2018。
使用感知預測網絡對潛在物理屬性進行無監督學習，UAI 2018。
關係歸納偏差、深度學習和圖網絡，2018 年。
關係神經期望最大化：對象及其交互作用的無監督發現，ICLR 2018。
圖網路作為推理和控制的可學習物理引擎，ICML 2018。
用於物理預測的靈活神經表示，2018。
用於關係推理的簡單神經網路模組，2017。
VAIN：注意力多智能體預測建模，NeurIPS 2017。
視覺互動網絡，2017。
基於組合物件的物理動力學學習方法，ICLR 2017。
用於學習物件、關係和物理的互動網絡，2016。

智慧車輛&交通&行人

基於擴散的環境感知軌跡預測，arXiv 預印本 arXiv:2403.11643, 2024。
MTP-GO：基於圖的機率多智能體軌跡預測與神經常微分方程，IEEE T-IV 2023。
MotionDiffuser：使用擴散的可控多智能體運動預測，CVPR 2023。
發現缺失的模式：軌跡插補和預測的統一框架，CVPR 2023。
用於隨機人體軌跡預測的無監督採樣促進，CVPR 2023。
規劃導向的自動駕駛，CVPR 2023。
IPCC-TP：利用增量皮爾遜相關係數進行聯合多智能體軌跡預測，CVPR 2023。
刺激驗證是多模態人體軌跡預測中通用且有效的採樣器，CVPR 2023。
以查詢為中心的軌跡預測，CVPR 2023。
FEND：用於長尾軌跡預測的未來增強分佈感知對比學習框架，CVPR 2023。
軌跡與節奏：透過引導軌跡擴散控制行人動畫，CVPR 2023。
FJMP：學習有向非循環交互作用圖上的分解聯合多智能體運動預測，CVPR 2023。
用於隨機軌跡預測的蛙跳擴散模型，CVPR 2023。
ViP3D：透過 3D 代理程式查詢進行端到端視覺軌跡預測，CVPR 2023。
EqMotion：具有不變交互推理的等變多智能體運動預測，CVPR 2023。
V2X-Seq：用於車輛-基礎設施協作感知和預測的大規模序列資料集，CVPR 2023。
自動駕駛的弱監督類別無關運動預測，CVPR 2023。
分解更多並更好地聚合：對人體運動預測的頻率表示學習的兩次仔細觀察，CVPR 2023。
HumanMAC：人體運動預測的掩蔽運動完成，ICCV 2023。
BeLFusion：行為驅動人體運動預測的潛在擴散，ICCV 2023。
EigenTrajectory：多模態軌跡預測的低秩描述符，ICCV 2023。
ADAPT：自適應的高效多智能體軌跡預測，ICCV 2023。
PowerBEV：鳥瞰實例預測的強大而輕量級框架，IJCAI 2023。
隨機運動預測的人體關節運動學擴散細化，AAAI 2023。
用於行人軌跡預測的多流表示學習，AAAI 2023。
基於兩階段 GAN 的連續軌跡生成，AAAI 2023。
一組控制點條件行人軌跡預測，AAAI 2023。
利用未來關係推理進行車輛軌跡預測，ICLR 2023。
TrafficGen：學習產生多樣化且真實的交通場景，ICRA 2023。
GANet：運動預測目標區域網絡，ICRA 2023。
TOFG：自動駕駛中統一且細粒度的環境表示，ICRA 2023。
SSL-Lanes：自動駕駛運動預測的自我監督學習，CoRL 2023。
LimSim：長期互動式多場景交通模擬器，ITSC 2023。
MVHGN：基於多視圖自適應分層空間圖卷積網路的異質流量代理軌跡預測，TITS。 [紙]
透過可轉移分層變壓器網路 (TITS) 對異質智能體進行自適應同步軌跡預測。 [紙]
SSAGCN：用於行人軌跡預測的社會軟注意力圖卷積網絡，TNNLS。 [論文] [程式碼]
解開人群互動以進行行人軌跡預測，RAL。 [紙]
VNAGT：用於多智能體軌跡預測的變分非自回歸圖變換器網絡，IEEE 車輛技術彙刊。 [紙]
時空譜 LSTM：行人軌跡預測的可遷移模型，TIV。 [紙]
Holistic Transformer：用於自動駕駛車輛軌跡預測和決策的聯合神經網絡，PR。 [紙]
Tri-HGNN：學習三重策略融合分層圖神經網絡，用於行人軌跡預測，PR。 [紙]
城市無號誌交叉口的逆強化學習和風險規避多模態車輛軌跡預測，TITS。 [紙]
基於多尺度時空圖的自動駕駛軌跡預測，IET智慧交通系統。 [紙]
用於人類軌跡預測的社會自註意力生成對抗網絡，IEEE 人工智慧彙刊。 [紙]
CSIR：級聯滑動 CVAE 與迭代社會意識重新思考軌跡預測，TITS。 [紙]
使用變壓器網路進行高速公路自動駕駛的多模式操縱和軌跡預測，RAL。 [紙]
用於高速公路車輛軌跡預測的基於物理的 Transformer 模型，交通研究 C 部分：新興技術。 [論文] [程式碼]
MacFormer：用於即時和穩健軌跡預測的地圖代理程式耦合變壓器，RAL。 [紙]
MRGTraj：一種用於人體軌跡預測的新型非自回歸方法，TCSVT。 [論文] [程式碼]
透過自動駕駛橫向縱向分解進行規劃啟發的分層軌跡預測，TIV。 [紙]
Traj-MAE：用於軌跡預測的遮罩自動編碼器，arXiv 預印本 arXiv:2303.06697，2023。
透過分佈擴散進行不確定性感知行人軌跡預測，arXiv 預印本 arXiv:2303.08367，2023。
GPS 軌跡產生的擴散模型，arXiv 預印本 arXiv:2304.11582, 2023。
Multiverse Transformer：2023 年 Waymo Open Sim Agents Challenge、CVPR 2023 自動駕駛研討會第一名解決方案。 [論文] [網站]
模擬代理的聯合多路徑++：2023 年 Waymo Open Sim Agents Challenge、CVPR 2023 自動駕駛研討會第二名解決方案。 [論文] [程式碼]
MTR++：採用對稱場景建模和引導意圖查詢的多智能體運動預測、2023 年 Waymo 開放運動預測挑戰賽第一名解決方案、CVPR 2023 自動駕駛研討會。 [論文] [程式碼]
GameFormer：自動駕駛中基於 Transformer 的互動式預測和規劃的博弈論建模和學習，arXiv 預印本 arXiv:2303.05760，2023。
GameFormer Planner：自動駕駛車輛的學習型互動預測和規劃框架，CVPR 2023 端對端自動駕駛研討會上的 nuPlan 規劃挑戰賽。 [論文] [程式碼]
trajdata：多個人體軌跡資料集的統一接口，arXiv 預印本 arXiv:2307.13924，2023。
記住意圖：基於記憶的回顧性軌跡預測，CVPR 2022。
STCrowd：擁擠場景中行人感知的多模態資料集，CVPR 2022。
車輛軌跡預測有效，但並非無所不在，CVPR 2022。
透過運動不確定性擴散進行隨機軌跡預測，CVPR 2022。
用於隨機人體軌跡預測的非機率採樣網絡，CVPR 2022。
關於自動駕駛車輛軌跡預測的對抗穩健性，CVPR 2022。
透過 Transferable GNN 進行自適應軌跡預測，CVPR 2022。
走向穩健和自適應運動預測：因果表示視角，CVPR 2022。
多少次觀察就夠了？軌跡預測的知識蒸餾，CVPR 2022。
從所有車輛中學習，CVPR 2022。
透過未來物體檢測進行 LiDAR 預測，CVPR 2022。
基於佔用網格圖的端到端軌跡分佈預測，CVPR 2022。
M2I：從因子式邊緣軌跡預測到互動式預測，CVPR 2022。
GroupNet：使用關係推理進行軌跡預測的多尺度超圖神經網絡，CVPR 2022。
到底是誰的曲目？透過基於親和力的預測來提高追蹤誤差的穩健性，CVPR 2022。
ScePT：場景一致、基於策略的軌跡預測規劃，CVPR 2022。
基於圖的空間變換器，具有用於多未來行人軌跡預測的記憶重播，CVPR 2022。
MUSE-VAE：用於環境感知長期軌跡預測的多尺度 VAE，CVPR 2022。
LTP：自動駕駛基於車道的軌跡預測，CVPR 2022。
ATPFL：聯邦學習架構下的自動軌跡預測模型設計，CVPR 2022。
透過瞬時觀察進行人體軌跡預測，CVPR 2022。
HiVT：用於多智能體運動預測的分層向量變換器，CVPR 2022。
學習多模態軌跡預測的行人群體表示，ECCV 2022。
社會隱式：重新思考軌跡預測評估和隱式最大似然估計的有效性，ECCV 2022。
多模態車輛軌跡預測的分層潛在結構，ECCV 2022。
SocialVAE：使用時間潛伏進行人類軌跡預測，ECCV 2022。
垂直檢視：透過傅立葉頻譜進行軌跡預測的分層網絡，ECCV 2022。
用於參與者行為推理和預測的輸入翻轉變壓器，ECCV 2022。
D2-TPred：交通燈下軌跡預測的不連續依賴性，ECCV 2022。
透過神經社會物理學進行人類軌跡預測，ECCV 2022。
Social-SSL：基於用於多智能體軌跡預測的 Transformer 的自監督跨序列表示學習，ECCV 2022。
了解歷史：使用本地行為資料進行軌跡預測，ECCV 2022。
基於動作的軌跡預測對比學習，ECCV 2022。
AdvDO：軌跡預測的現實對抗攻擊，ECCV 2022。
ST-P3：透過時空特徵學習實現基於視覺的端到端自動駕駛，ECCV 2022。
社會 ODE：使用神經常微分方程式進行多智能體軌跡預測，ECCV 2022。
從場景歷史預測人類軌跡，NeurIPS 2022。
端到端自動駕駛的軌跡引導控制預測：簡單而強大的基線，NeurIPS 2022。
具有全局意圖定位和局部運動細化的運動變壓器，NeurIPS 2022。
使用多重註意力的交互建模，NeurIPS 2022。
深度互動動作預測與規劃：使用運動預測模型玩遊戲，動力學與控制學習會議 (L4DC)。 [論文] [網站]
用於行人軌跡預測的社會可解釋樹，AAAI 2022。
用於行人軌跡預測的互補注意門控網絡，AAAI 2022。
Scene Transformer：用於預測多個智能體未來軌蹟的統一架構，ICLR 2022。
你大多獨行：分析軌跡預測中的特徵歸因，ICLR 2022。
用於聯合多智能體運動預測的潛在變數序列集變換器，ICLR 2022。
THOMAS：使用學習的多代理採樣進行軌跡熱圖輸出，ICLR 2022。
運動預測中高清地圖的路徑感知圖注意，ICRA 2022。
使用語言表示進行軌跡預測，ICRA 2022。
利用平滑注意力先驗進行多智能體軌跡預測，ICRA 2022。
KEMP：用於長期軌跡預測的基於關鍵影格的分層端到端深度模型，ICRA 2022。
基於視覺的駕駛軌跡生成的領域泛化，ICRA 2022。
用於交互感知軌跡預測的深度概念圖網絡，ICRA 2022。
使用迭代注意力區塊進行條件人體軌跡預測，ICRA 2022。
StopNet：城市自動駕駛的可擴展軌跡和占用預測，ICRA 2022。
用於行人軌跡預測的時空圖元路徑分析，ICRA 2022。
透過軌跡預測傳播狀態不確定性，ICRA 2022。
HYPER：透過因子推理和自適應取樣學習混合軌跡預測，ICRA 2022。
Grouptron：用於群體感知密集人群軌跡預測的動態多尺度圖卷積網絡，ICRA 2022。
基於 Crossmodal Transformer 的行人軌跡預測生成框架，ICRA 2022。
使用地形圖進行自動駕駛的軌跡預測，ICRA 2022。
CRAT-Pred：使用晶體圖卷積神經網路和多頭自註意力進行車輛軌跡預測，ICRA 2022。
MultiPath++：用於行為預測的高效資訊融合和軌跡聚合，ICRA 2022。
用於自動駕駛的基於變壓器的神經網路的多模態運動預測，ICRA 2022。
GOHOME：用於未來運動估計的面向圖形的熱圖輸出，ICRA 2022。
TridentNetV2：動態軌跡產生的輕量級圖形全域規劃表示，ICRA 2022。
包含類不確定性的異質智能體軌跡預測，IROS 2022。
基於圖的雙尺度上下文融合的軌跡預測，IROS 2022。
針對對抗性攻擊的穩健軌跡預測，CoRL 2022。
靈活行為綜合的擴散規劃，ICML 2022。
帶誤差補償的同步雙向行人軌跡預測，ACCV 2022。
AI-TP：基於注意力的互動感知自動駕駛軌跡預測，IEEE T-IV，2022。
MDST-DGCN：用於行人軌跡預測、計算智慧和神經科學的多層次動態時空有向圖卷積網路。 [紙]
用於自動駕駛中車輛軌跡預測的基於圖的時空卷積網絡，IEEE T-ITS，2022 年。
使用異質邊緣增強圖注意力網路進行多智能體軌跡預測，IEEE T-ITS，2022 年。
用於實用行人軌跡預測的具有註意機制的全卷積編碼器-解碼器，IEEE T-ITS，2022 年。
STGM：基於時空特徵產生模型的車輛軌跡預測，IEEE T-ITS，2022。
使用時空圖注意力變換器進行自動駕駛的軌跡預測，IEEE T-ITS，2022 年。
基於時空動態注意力網路的車聯網意圖感知車輛軌跡預測，IEEE T-ITS，2022。
基於先驗感知有向圖卷積神經網路的軌跡預測，IEEE T-ITS，2022。
DeepTrack：用於高速公路車輛軌跡預測的輕量級深度學習，IEEE T-ITS，2022 年。
使用駕駛風險圖整合深度學習方法對高速公路上周圍車輛進行互動式軌跡預測，IEEE T-ITS，2022 年。
透過異質上下文感知圖卷積網路進行互聯環境中的車輛軌跡預測，IEEE T-ITS，2022 年。
基於時間模式註意力的軌跡預測神經網路和模型解釋，IEEE T-ITS，2022。
學習部分偵測到的行人的稀疏交互圖以進行軌跡預測，IEEE RA-L，2022。
GAMMA：自動駕駛通用代理運動預測模型，RAL。 [論文] [程式碼]
用於軌跡預測的逐步目標驅動網絡，RAL。 [論文] [程式碼]
GA-STT：使用群體感知時空轉換器 (RAL) 進行人體軌跡預測。 [紙]
使用生成對抗網路進行長期 4D 軌跡預測，交通研究 C 部分：新興技術。 [紙]
自動車輛的情境感知行人軌跡預測框架，交通研究 C 部分：新興技術。 [紙]
使用注意力模型進行可解釋的多模式軌跡預測，交通研究 C 部分：新興技術。 [紙]
CSCNet：用於擁擠空間軌跡預測的上下文語義一致性網絡，PR。 [紙]
CSR：用於行人軌跡預測的級聯條件變分自動編碼器和社會感知回歸，PR。 [紙]
步驟注意力：順序行人軌跡預測，IEEE 感測器雜誌。 [紙]
雙注意力機制下與自我車輛運動趨勢結合的車輛軌跡預測方法，IEEE 儀器與測量學報。 [紙]
用於行人多模態軌跡預測的時空交互感知和軌跡分佈感知圖卷積網絡，IEEE 儀器和測量交易。 [紙]
深度編碼器-解碼器-NN：基於深度學習的自主車輛軌跡預測和校正模型，Physica A：統計力學及其應用。 [紙]
PTPGC：透過圖注意網路與 ConvLSTM、機器人和自治系統進行行人軌跡預測。 [紙]
GCHGAT：使用群組約束分層圖注意網路進行行人軌跡預測，應用智慧。 [紙]
使用循環 VAE 網路進行車輛軌跡預測，IEEE Access。 [論文] [程式碼]
SEEM：一種基於序列熵能量的行人軌跡全時預測模型，TPAMI。 [紙]
PTP-STGCN：基於時空圖卷積神經網路的行人軌跡預測，應用智慧。 [紙]
軌跡分佈：軌跡預測運動的新描述，計算視覺媒體。 [紙]
基於多尺度時空圖的自動駕駛軌跡預測，IET智慧交通系統。 [紙]
使用記憶增強網路、基於知識的系統進行基於持續學習的軌跡預測。 [紙]
Atten-GAN：基於注意力機制、認知運算的 GAN 行人軌跡預測。 [紙]
EvoSTGAT：用於行人軌跡預測的不斷發展的時空圖注意網絡，神經計算。 [紙]
提高運動預測中的情境意識，CVPR 研討會 2022。
用於軌跡預測的目標驅動自註意力循環網絡，CVPR 研討會 2022。
重要性在您的注意力中：自動駕駛的智能體重要性預測，CVPR 研討會 2022。
MPA：基於 MultiPath++ 的運動預測架構，CVPR 研討會 2022。
TPAD：在軌跡異常檢測模型的指導下識別有效的軌跡預測，arXiv：2201.02941，2022。
Wayformer：透過簡單且有效率的注意力網絡進行運動預測，arXiv 預印本 arXiv:2207.05844，2022。
PreTR：時空非自回歸軌跡預測轉換器，arXiv 預印本 arXiv:2203.09293，2022。
LatentFormer：基於多智能體 Transformer 的交互建模和軌跡預測，arXiv 預印本 arXiv：2203.01880，2022。
使用經過車道損失訓練的兩階段預測網路進行多樣化的多軌跡預測，arXiv 預印本 arXiv:2206.08641, 2022。
用於軌跡預測的半監督語意引導對抗訓練，arXiv 預印本 arXiv:2205.14230，2022。
透過風險和場景圖學習進行異質軌跡預測，arXiv 預印本 arXiv:2211.00848，2022。
GATraj：基於圖和注意力的多智能體軌跡預測模型，arXiv 預印本 arXiv：2209.07857，2022。
使用關係推理進行多智能體軌跡預測的動態組感知網絡，arXiv 預印本 arXiv:2206.13114，2022。
協作不確定性有益於多代理多模式軌跡預測，arXiv 預印本 arXiv:2207.05195，2022。
用於可控交通模擬的引導條件擴散，arXiv 預印本 arXiv:2210.17366，2022。
PhysDiff：物理引導的人體運動擴散模型，arXiv 預印本 arXiv:2212.02500，2022。
MPA：基於 MultiPath++ 的運動預測架構，2022 年自動駕駛 CVPR 研討會。
多智能體軌跡預測中的協作不確定性，NeurIPS 2021。
GRIN：用於多智能體軌跡預測的生成關係和意圖網絡，NeurIPS 2021。
LibCity：用於流量預測的開放函式庫，SIGSPATIAL 2021。
使用變壓器網路和增強資訊預測城市場景中的車輛軌跡，IEEE 智慧車輛研討會（IV 2021）。 [紙]
社會階段：時空多模式未來軌跡預測，ICRA 2021。
AVGCN：使用人類注意力引導的圖卷積網路進行軌跡預測，ICRA 2021。
探索多路徑軌跡預測的動態上下文，ICRA 2021。
使用上下文增強變壓器網路進行行人軌跡預測，ICRA 2021。
用於軌跡預測的譜時態圖神經網絡，ICRA 2021。
用於避免碰撞的擁塞感知多智能體軌跡預測，ICRA 2021。
透過行人未來運動的機率預測在人群中進行預期導航，ICRA 2021。
AgentFormer：用於社會時間多智能體預測的智能體感知變壓器，ICCV 2021。
基於似然的多樣化取樣進行軌跡預測，ICCV 2021。
MG-GAN：一種防止行人軌跡預測中分佈不均樣本的多生成器模型，ICCV 2021。
用於低延遲軌跡預測的時空一致性網絡，ICCV 2021。
多模態軌跡預測的三個步驟：模態聚類、分類和綜合，ICCV 2021。
從目標、航點和路徑到長期人類軌跡預測，ICCV 2021。
你要去哪裡？使用專家目標範例進行動態軌跡預測，ICCV 2021。
DenseTNT：來自密集目標集的端到端軌跡預測，ICCV 2021。
用於自動駕駛的看不見的車輛的安全感知運動預測，ICCV 2021。
LOKI：軌跡預測的長期和關鍵意圖，ICCV 2021。
透過反事實分析進行人體軌跡預測，ICCV 2021。
透過分佈判別進行個人化軌跡預測，ICCV 2021。
用於異質軌跡預測的無限鄰域交互，ICCV 2021。
社交 NCE：社交感知運動表示的對比學習，ICCV 2021。
RAIN：用於運動預測的強化混合注意力推理網絡，ICCV 2021。
用於多監督行人軌跡預測的時間金字塔網絡，AAAI 2021。
SCAN：用於聯合多智能體意圖預測的空間上下文注意力網絡，AAAI 2021。
用於行人軌跡預測的解纏結多關係圖卷積網絡，AAAI 2021。
MotionRNN：一種靈活的時空變化運動影片預測模型，CVPR 2021。
使用堆疊變壓器進行多模態運動預測，CVPR 2021。
SGCN：用於行人軌跡預測的稀疏圖卷積網絡，CVPR 2021。
LaPred：動態代理多模態未來軌蹟的車道感知預測，CVPR 2021。
車道感知多樣化軌跡預測的分治法，CVPR 2021。
Euro-PVI：密集城市中心的行人車輛交互，CVPR 2021。
基於潛在信念能量模型的軌跡預測，CVPR 2021。
自動駕駛共享跨模式軌跡預測，CVPR 2021。
單眼相機的行人和自我車輛軌跡預測，CVPR 2021。
用於人群中人類軌跡預測的可解釋社會錨，CVPR 2021。
內向：透過條件 3D 注意力進行人類軌跡預測，CVPR 2021。
MP3：用於映射、感知、預測和規劃的統一模型，CVPR 2021。
TrafficSim：學習模擬現實的多代理行為，CVPR 2021。
用於行人軌跡預測的多模態變壓器網絡，IJCAI 2021。
解碼器融合 RNN：用於軌跡預測的上下文和交互感知解碼器，IROS 2021。
基於 Transformer 的聯合意圖和軌跡預測，IROS 2021。
使用時空卷積網路對自動駕駛汽車進行基於機動的軌跡預測，IROS 2021。
自動駕駛的多上下文線索整合軌跡預測，IROS 2021。
MultiXNet：多類多層次多模態運動預測，IEEE 智慧車輛研討會（IV 2021）。 [紙]
基於聯合智能體地圖表示的多頭注意力的自動駕駛軌跡預測，IEEE 智慧車輛研討會（IV 2021）。 [紙]
Social-IWSTCNN：用於城市交通場景中行人軌跡預測的社會互動加權時空卷積神經網絡，IV 2021。
為自動駕駛車輛測試產生不同行人行為的場景，機器人學習會議（CoRL 2021）。 [論文] [程式碼]
以車道圖遍歷為條件的多模態軌跡預測，CoRL 2021。
學習使用基於模型的規劃來預測車輛軌跡，CoRL 2021。
使用循環神經網路對弱勢道路使用者進行基於姿勢的軌跡預測，國際模式識別會議 (ICPR 2021)。 [紙]
GraphTCN：人體軌跡預測的時空交互作用建模，WACV 2021。
目標驅動的長期軌跡預測，WACV 2021。
無需詳細先驗地圖的自動駕駛多模態軌跡預測，WACV 2021。
用於上下文感知行人軌跡預測的自增長空間圖網絡，IEEE 國際影像處理會議 (ICIP 2021)。 [論文] [程式碼]
S2TNet：用於自動駕駛軌跡預測的時空變換器網絡，2021 年亞洲機器學習會議。
學習擁擠場景中軌跡預測的空間和互動動力學的結構化表示，IEEE 機器人和自動化快報 2021 [論文]，[程式碼]
使用等變連續卷積進行軌跡預測，ICLR 2021。
TridentNet：動態軌跡生成的條件生成模型，2021 年智慧自治系統國際會議。
首頁：未來運動估計的熱圖輸出，ITSC 2021。
基於圖和循環神經網路的高速公路駕駛車輛軌跡預測，ITSC 2021。
SCSG Attention: A Self-Centered Star Graph with Attention for Pedestrian Trajectory Prediction，高級應用資料庫系統國際會議 (DASFAA 2021)。 [紙]
利用軌跡預測進行行人視訊異常檢測，IEEE 計算智慧研討會系列 (SSCI 2021)。 [論文] [程式碼]
具有社會意識的軌跡預測模型真的具有社會意識嗎？
在數據驅動的車輛軌跡預測器中註入知識，交通研究：C 部分。
使用沉浸式虛擬實境和可解釋的深度學習解碼行人和自動車輛交互，交通研究：C 部分。
人群中的人類軌跡預測：深度學習視角，IEEE 智慧交通系統彙刊。 [論文] [程式碼]
NetTraj：具有方向表示和時空注意力機制的基於網路的車輛軌跡預測模型，TITS。 [紙]
用於多智能體預測和追蹤的時空圖雙注意網絡，TITS。 [紙]
基於圖神經網路TITS的異質交通參與者互動行為預測的分層架構。 [紙]
TrajGAIL：使用生成對抗性模仿學習生成城市車輛軌跡，交通研究 C 部分。
使用具有時態邏輯語法樹特徵、IEEE 機器人和自動化字母的生成對抗網路進行車輛軌跡預測。 [紙]
使用具有時空注意力機制的 LSTM 進行車輛軌跡預測，IEEE 智慧交通系統雜誌。 [論文] [程式碼]
互聯和自主車輛環境中基於長短期記憶的人類駕駛車輛縱向軌跡預測，交通研究記錄。 [紙]
用於行人軌跡預測的時空注意力金字塔網絡，IEEE 網路科學與工程彙刊。 [紙]
一種基於門控線性單元的高效時空模型，用於軌跡預測，神經計算。 [紙]
SRAI-LSTM：基於社會關係注意力的交互感知 LSTM，用於人類軌跡預測，神經計算。 [紙]
AST-GNN：一種基於注意力的時空圖神經網絡，用於交互感知行人軌跡預測，神經計算。 [紙]
多 PPTP：複雜路口場景中的多重機率行人軌跡預測，IEEE 智慧交通系統彙刊。 [紙]
一種新穎的基於圖的軌跡預測器與偽 Oracle，TNNLS。 [紙]
基於兩階段 GAN 的地圖大規模 GPS 軌跡生成，數據科學雜誌。 [論文] [程式碼]
基於姿態和語意圖的弱勢道路使用者軌跡機率預測，IEEE 智慧車輛交易。 [紙]
STI-GAN：使用時空交互和生成對抗網路的多模態行人軌跡預測，IEEE Access。 [紙]
用於行人軌跡預測的整體 LSTM，TIP。 [紙]
使用卷積神經網路進行行人軌跡預測，PR。 [紙]
基於 LSTM 的騎乘者軌跡預測模型，利用與環境、PR 的多重交互作用。 [紙]
使用 LSTM 模型和 GAN 進行人體軌跡預測和生成，PR。 [紙]
使用 LSTM 模型和 GAN 進行車輛軌跡預測和生成，Plos 1。 [紙]
BiTraP：使用多模態目標估計的雙向行人軌跡預測，RAL。 [論文] [程式碼]
一般公路場景中軌跡預測的運動學模型，RAL。 [論文] [程式碼]
帶有車道方向輔助損失 (RAL) 的自動駕駛軌跡預測。 [紙]
使用具有時態邏輯語法樹特徵的生成對抗網路進行車輛軌跡預測，RAL。 [紙]
Tra2Tra：使用全球社交時空關注神經網路 (RAL) 進行軌跡到軌跡預測。 [紙]
用於行人軌跡預測的社交圖卷積 LSTM，IET 智慧交通系統。 [紙]
HSTA：用於軌跡預測的分層時空注意力模型，IEEE 車輛技術彙刊 (TVT)。 [紙]
用於車輛軌跡預測的環境注意網絡，TVT。 [紙]
他們要去哪裡？預測擁擠場景中的人類行為，ACM 多媒體計算、通訊和應用事務 (TOMM)。 [紙]
使用時空序列融合的多智能體軌跡預測，IEEE 多媒體彙刊 (TMM)。 [紙]
EvolveGraph：利用動態關係推理進行多智能體軌跡預測，NeurIPS 2020。
V2VNet-用於聯合感知和預測的車對車通信，ECCV 2020。
SMART-同時多智能體循環軌跡預測，ECCV 2020。
SimAug-從軌跡預測模擬中學習穩健表示，ECCV 2020。
學習運動預測的車道圖表示，ECCV 2020。
用於場景一致運動預測的隱式潛變量模型，ECCV 2020。
透過多模態情境理解進行多樣化且可接受的軌跡預測，ECCV 2020。
行人運動的語意合成，ACCV 2020。
多模態機率運動預測的內核軌跡圖，CoRL 2019。
Social-WaGDAT：透過 Wasserstein 圖雙注意力網路進行互動感知軌跡預測，2020 年。
社交NCE：社交意識運動表徵的對比學習。 [紙張]，[代碼]
使用循環神經網路對弱勢道路使用者進行基於姿勢的軌跡預測，ICPR 國際研討會和挑戰 2020。
EvolveGraph：利用動態關係推理進行多智能體軌跡預測，NeurIPS 2020。
用於行人軌跡預測的時空圖變換網絡，ECCV 2020。
這不是旅程，而是目的地-端點條件軌跡預測，ECCV 2020。
我怎樣才能看到我的未來？ FvTraj：使用第一人稱視角進行行人軌跡預測，ECCV 2020。
用於多智能體運動預測的動態和靜態上下文感知 LSTM，ECCV 2020。
人群中的人類軌跡預測：深度學習視角，2020。
SimAug：從 3D 模擬中學習穩健表示，用於看不見的攝影機中的行人軌跡預測，ECCV 2020。
DAG-Net：用於軌跡預測的雙注意力圖神經網絡，ICPR 2020。
透過噪音監督解開行人運動預測的人體動力學，WACV 2020。
Social-WaGDAT：透過 Wasserstein 圖雙注意力網路進行互動感知軌跡預測，2020 年。
Social-STGCNN：用於人體軌跡預測的社會時空圖卷積神經網絡，CVPR 2020。
分叉路徑花園：邁向多重未來軌跡預測，CVPR 2020。
透過噪音監督解開行人運動預測的人體動力學，WACV 2020。
基於姿勢的弱勢道路使用者軌跡預測，SSCI 2019。
Trajectron：使用動態時空圖的機率多智能體軌跡建模，ICCV 2019。
STGAT：人體軌跡預測的時空交互作用建模，ICCV 2019。
基於序數迴歸的單影像實例級未來運動估計，ICCV 2019。
擁擠空間中的社交和場景感知軌跡預測，ICCV 研討會 2019。
用於行人軌跡預測的隨機採樣模擬，IROS 2019。
使用路徑同源簇對運動軌跡進行長期預測，IROS 2019。
StarNet：在星形拓樸中使用深度神經網路進行行人軌跡預測，IROS 2019。
學習行人運動的生成社會感知模型，IROS 2019。
使用時空注意力模型進行情境感知行人軌跡預測，CVWW 2019。
使用物件屬性和語義環境進行路徑預測，VISIGRAPP 2019。
使用障礙物軌跡預測的機率路徑規劃，CoDS-COMAD 2019。
使用對抗性損失進行人體軌跡預測，hEART 2019。
社交方式：使用 GAN學習行人軌蹟的多模態分佈，CVPR 2019。
展望未來：預測影片中未來人的活動和位置，CVPR 2019。
學習推論未來軌跡預測的關係，CVPR 2019。
TraPHic：使用加權互動在密集和異質流量中進行軌跡預測，CVPR 2019。
你要走哪條路？動態場景中路徑預測的模仿決策學習，CVPR 2019。
克服混合密度網絡的限制：多模態未來預測的採樣和擬合框架，CVPR 2019。
Sophie：一個專注的 gan，用於預測符合社會和物理限制的路徑，CVPR 2019。
透過高斯過程動力學模型和行人活動識別進行行人路徑、姿勢和意圖預測，2019 年。
自主過馬路的多模態互動感知運動預測，2019。
越簡單越好：行人運動預測的恆定速度，2019。
極度擁擠場景下的行人軌跡預測，2019。
Srlstm：針對行人軌跡預測的 lstm 狀態細化，2019。
行人軌跡預測的位置速度注意，WACV 2019。
極度擁擠場景中的行人軌跡預測，感測器，2019。
使用圖 LSTM 中的譜聚類預測道路代理的軌跡和行為，2019。
車輛-行人混合場景中運動軌跡的共同預測，ICCV 2019。
分析機率軌跡預測背景下的多樣性損失，ICCV 2019。
展望未來軌跡預測的關係，ICCV 2019。
自動駕駛車輛的聯合學習行為和軌跡規劃，IROS 2019。
分享就是關懷：符合社會要求的自主交叉口談判，IROS 2019。
INFER：FuturE PREdiction 的中間表示，IROS 2019。
使用多智能體聯合軌跡預測和交通規則的深度預測自動駕駛，IROS 2019。
NeuroTrajectory：自主車輛局部狀態軌跡學習的神經演化方法，IROS 2019。
使用多類 LSTM 網路進行城市街道軌跡預測，IROS 2019。
使用核循環混合密度網路對城市環境中方向不確定性的時空學習，IROS 2019。
用於機率軌跡預測的條件生成神經系統，IROS 2019。
透過對抗性學習進行互動感知的多智能體追蹤和機率行為預測，ICRA 2019。
通用追蹤和機率預測框架及其在自動駕駛中的應用，IEEE Trans。英特爾。運輸。系統，2019。
透過貝葉斯生成模型進行車輛互動的協調和軌跡預測，IV 2019。
用於機率互動駕駛行為預測的具有運動學約束的 Wasserstein 生成學習，IV 2019。
GRIP：基於圖的交互感知軌跡預測，ITSC 2019。
AGen：自動駕駛的自適應產生預測網絡，IV 2019。
TraPHic：使用加權互動在密集和異質流量中進行軌跡預測，CVPR 2019。
使用循環神經網路對佔用網格圖進行多步驟預測，CVPR 2019。
Argoverse：利用豐富地圖進行 3D 追蹤和預測，CVPR 2019 [論文]
未來車輛定位的穩健任意建模，CVPR 2019。
自動駕駛汽車的行人佔用預測，IRC 2019。
基於上下文的具有切換動態的目標路徑預測，2019。
用於靈活推理、規劃和控制的深度模仿模型，2019 年。
Infer：未來預測的中間表示，2019。
用於上下文軌跡預測的多智能體張量融合，2019。
城市十字路口的上下文感知行人運動預測，2018。
通用機率互動情境辨識與預測：從虛擬到真實，ITSC 2018。
能夠基於改進的混合粒子濾波器處理遮蔽的通用車輛追蹤框架，IV 2018。
基於 LSTM 的機動周圍車輛的多模態軌跡預測，2018。
透過 lstm 編碼器-解碼器架構對車輛軌跡進行序列到序列預測，2018。
R2P2：用於多樣化、精確產生路徑預測的重新參數化前推策略，ECCV 2018。
使用大規模運動先驗預測車輛軌跡，IV 2018。
使用互動式多模型整合基於物理和機動的方法來預測車輛軌跡，2018 年。
使用深度卷積網路進行自動駕駛交通參與者的運動預測，2018 年。
產生多智能體行為克隆，2018。
用於交通預測的輔助資訊的深度序列學習，KDD 2018。
物體雜亂環境中交互感知行人運動預測的資料驅動模型，ICRA 2018。
移動、出席和預測：用於人們運動預測的基於注意力的神經模型，模式識別快報 2018。
GD-GAN：用於人群軌跡預測和群體檢測的生成對抗網絡，ACCV 2018，[論文]，[演示]
Ss-lstm：用於行人軌跡預測的分層 lstm 模型，WACV 2018。
社會注意力：模擬人群注意力，ICRA 2018。
使用深度神經網路進行規劃的行人預測，ICRA 2018。
使用基於規劃的社會力方法對人體運動進行聯合長期預測，ICRA 2018。
社會分組約束下的人體運動預測，IROS 2018。
第一人稱影片中的未來人物定位，CVPR 2018。
社交 GAN：生成對抗網路的社會可接受軌跡，CVPR 2018。
Group LSTM：擁擠場景中的組別軌跡預測，ECCV 2018。
Mx-lstm：混合 tracklet 和 vislet 共同預測軌跡和頭部姿勢，CVPR 2018。
使用堆疊循環神經網路透過運動軌跡預測行人的意圖，2018。
十字路口可轉移行人運動預測模型，2018。
考慮交通參與者的基於機率地圖的行人運動預測，2018。
行人運動預測的計算高效模型，ECC 2018。
上下文感知軌跡預測，ICPR 2018。
考慮正式交通規則的城市環境中基於集合的行人預測，ITSC 2018。
建立先驗知識：使用城市環境資料的基於馬可夫的行人預測模型，ICARCV 2018。
複雜人群場景的深度資訊引導人群計數，2018。
透過預測進行追蹤：多人定位和追蹤的深度生成模型，WACV 2018。
「眼見為憑」：使用視覺注意力平截頭體進行行人軌跡預測，WACV 2018。
不確定性下交通場景中人員的長期車載預測，CVPR 2018。
使用深度神經網路編碼人群互動以進行行人軌跡預測，CVPR 2018。
透過基於變化點的行為預測進行自動駕駛多策略決策，2017。
自動駕駛汽車的機率長期預測，IV 2017。
透過循環神經網路對佔用網格圖進行機率車輛軌跡預測，ITSC 2017。
Desire：具有互動代理的動態場景中的遙遠未來預測，CVPR 2017。
使用生成對抗網路模仿駕駛員行為，2017 年。
Infogail：從視覺演示中進行可解釋的模仿學習，2017 年。
透過短期預測進行長期規劃，2017 年。
使用圓形分佈的城市場景中的長期路徑預測，2017。
深度學習驅動的單張影像視覺路徑預測，2016 年。
前進：有頭的社會力量模型，2017。
即時認證機率行人預測，2017 年。
人體運動預測的多預測器方法，ICRA 2017。
透過虛擬遊戲預測行人的互動動態，CVPR 2017。
預測人群場景中的合理路徑，IJCAI 2017。
雙向預測：基於雙向 lstm 分類的行人軌跡預測，DICTA 2017。
攻擊性、緊張還是害羞？從人群影片中辨識人格特徵，IJCAI 2017。
基於自然視覺的城市環境中行人行為預測方法，ITSC 2017。
使用空間感知深度注意力模型進行人體軌跡預測，2017 年。
軟+硬連線注意力：用於人體軌跡預測和異常事件檢測的 LSTM 框架，2017 年。
透過虛擬遊戲預測行人的互動動態，CVPR 2017。
社會 LSTM：擁擠空間中的人類軌跡預測，CVPR 2016。
車輛安全系統行人運動模型的比較和評估，ITSC 2016。
年齡和群體驅動的行人行為：從觀察到模擬，2016 年。
Structural-RNN：時空圖深度學習，CVPR 2016。
行人運動的意圖感知長期預測，ICRA 2016。
基於上下文的城市環境中自動駕駛行人過路意圖檢測，IROS 2016。
基於規劃的新型人體運動預測演算法，ICRA 2016。
學習社交禮儀：擁擠場景下的人體軌跡理解，ECCV 2016。
GLMP-使用全局和局部運動模式的即時行人路徑預測，ICRA 2016。
場景特定運動預測的知識轉移，ECCV 2016。
STF-RNN：用於預測人們下一個位置的基於時空特徵的循環神經網絡，SSCI 2016。
目標導向行人預測，ICCV 2015。
改善行人安全的軌跡分析和預測：綜合框架和評估，2015 年。
預測和識別公共空間中的人類互動，2015 年。
使用動態行人代理學習集體人群行為，2015 年。
對人類運動的時空動態進行建模以預測未來軌跡，AAAI 2015。
無監督機器人學習預測人體運動，ICRA 2015。
用於組合行人意圖識別和路徑預測的受控互動多模型過濾器，ITSC 2015。
意圖不確定、變化的行人的即時預測建模和魯棒迴避，2014 年。
擁擠環境中人體運動預測完整框架的行為估計，ICRA 2014。
利用人工神經網路預測公共交通中的行人軌跡，ICPR 2014。
行人會過馬路嗎？行人路徑預測研究，2014。
BRVO：使用速度空間推理預測行人軌跡，2014 年。
基於上下文的行人路徑預測，ECCV 2014。
使用肢體語言特徵的行人路徑預測，2014。
使用非參數回歸進行交叉路口輔助的線上機動識別和多模態軌跡預測，2014 年。
改進人體運動預測的學習意圖，2013 年。
基於學習行為了解交通參與者之間的交互，2016 年。
具有擁擠移動物體的複雜場景中的視覺路徑預測，CVPR 2016。
重新規劃感知的互動式場景預測和規劃的博弈論方法，2016。
人群中自動駕駛的意圖感知在線 pomdp 規劃，ICRA 2015。
使用非參數回歸進行交叉路口輔助的線上機動識別和多模態軌跡預測，2014 年。
未來補丁：無監督視覺預測，CVPR 2014。
使用貝葉斯非參數可達樹進行移動代理軌跡預測，2011。