摘要
多智能体运动预测对自动驾驶车辆理解周围车辆的意图至关重要。然而，之前的基于预测和基于锚点的方法在模式多样性和预测精度上存在局限性。这些局限可能导致自动驾驶车辆在安全评估和行为表现上的不足。
为了解决这一问题，提出了一种模式-世界加权回归损失，旨在弥合这些特征之间的差距。具体而言，该方法在减轻模式崩溃的同时，提升了世界排名和顶级置信度。此外，所提出的迭代解码器通过递归和分段生成轨迹来提高预测精度。
实验结果表明，该方法在 Argoverse 2 多智能体运动预测基准测试中名列第一，优于其他方法。
博主点评： 该研究通过创新的加权回归损失和迭代解码器，有效提升了多智能体轨迹预测的精度和多样性，为自动驾驶领域的安全性提供了新的思路。未来的研究可以进一步探索更多智能体行为的复杂性，以及如何在动态环境中保持高效的预测能力。