CAA-GMM 车辆轨迹预测方法论文发表

Arash Raftari 等作者提交论文，提出用于车辆轨迹预测的 CAA-GMM（上下文感知注意力高斯混合模型）。该方法将未来运动建模为以场景上下文和智能体动力学为条件的概率混合，通过轻量注意力机制融合栅格化环境线索与运动历史，实现多模态、不确定性感知的预测。 论文称，在 nuScenes 和 Argoverse 2 数据集上，CAA-GMM 精度对标或超越当前最优栅格基线方法，同时保持低计算复杂度，并在通信与感知不完美条件下展现出对不确定性的鲁棒性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。