轨迹预测系列论文总结

作者 | eyesighting  编辑 | 自动驾驶之心

原文链接:https://zhuanlan.zhihu.com/p/2037087876

点击下方卡片,关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近15个方向学习路线

>>点击进入→自动驾驶之心轨迹预测技术交流群

本文只做学术分享,如有侵权,联系删文

本文总结了Trajectory系列论文,总计26篇论文,可作为科研、开发的参考资料。

1.自动驾驶

BAT

题目:BAT: Behavior-Aware Human-Like Trajectory Prediction for Autonomous Driving

名称:BAT:自动驾驶的行为感知类人轨迹预测

论文:https://arxiv.org/abs/2312.06371

代码:https://github.com/Petrichor625/BATraj-Behavior-aware-Model

PBP

题目:PBP: Path-based Trajectory Prediction for Autonomous Driving

名称:PBP:基于路径的自动驾驶轨迹预测

论文:https://arxiv.org/abs/2309.03750

代码:

MF-Traj

题目:MFTraj: Map-Free, Behavior-Driven Trajectory Prediction for Autonomous Driving

名称:MFTraj:无地图、行为驱动的自动驾驶轨迹预测

论文:https://arxiv.org/abs/2405.01266

代码:

TrajFormer

题目:Trajformer: Trajectory Prediction with Local Self-Attentive Contexts for Autonomous Driving

名称:轨迹形成器:基于局部自我注意上下文的自动驾驶轨迹预测

论文:https://arxiv.org/abs/2011.14910

代码:https://github.com/Manojbhat09/Trajformer

SPV-TP

题目:Adaptive Spatio-Temporal Voxels Based Trajectory Planning for Autonomous Driving in Highway Traffic Flow

名称:基于自适应时空体素的公路交通流自动驾驶轨迹规划

论文:https://arxiv.org/abs/2310.02625

代码:

StopNet

题目:StopNet: Scalable Trajectory and Occupancy Prediction for Urban Autonomous Driving

名称:StopNet:城市自动驾驶的可扩展轨迹和占用预测

论文:https://arxiv.org/abs/2206.00991

代码:

UniTraj

题目:UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction

名称:UniTraj:可扩展车辆轨迹预测的统一框架

论文:https://arxiv.org/abs/2403.15098

代码:https://github.com/vita-epfl/UniTraj

SCALE-Net

题目:SCALE-Net: Scalable Vehicle Trajectory Prediction Network under Random Number of Interacting Vehicles via Edge-enhanced Graph Convolutional Neural Network

名称:SCALE-Net:基于边缘增强图卷积神经网络的随机交互车辆数下可扩展车辆轨迹预测网络

论文:https://arxiv.org/abs/2002.12609

代码:

LG-Traj

题目:LG-Traj: LLM Guided Pedestrian Trajectory Prediction

名称:LG轨迹:LLM引导的行人轨迹预测

论文:https://arxiv.org/abs/2403.08032

代码:

UniTraj

题目:UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction

名称:UniTraj:可扩展车辆轨迹预测的统一框架

论文:https://arxiv.org/abs/2403.15098

代码:https://github.com/vita-epfl/UniTraj

SCALE-Net

题目:SCALE-Net: Scalable Vehicle Trajectory Prediction Network under Random Number of Interacting Vehicles via Edge-enhanced Graph Convolutional Neural Network

名称:SCALE-Net:基于边缘增强图卷积神经网络的随机交互车辆数下可扩展车辆轨迹预测网络

论文:https://arxiv.org/abs/2002.12609

代码:

2.DM/扩散模型

TrajDiffuse

题目:TrajDiffuse: A Conditional Diffusion Model for Environment-Aware Trajectory Prediction

名称:轨迹扩散:一种用于环境感知轨迹预测的条件扩散模型

论文:https://arxiv.org/abs/2410.10804

代码:

TrajDiffuser

题目:Compositional Diffusion Models for Powered Descent Trajectory Generation with Flexible Constraints

名称:柔性约束下动力下降轨迹生成的复合扩散模型

论文:https://arxiv.org/abs/2410.04261

代码:

TrajWeaver

题目:TrajWeaver: Trajectory Recovery with State Propagation Diffusion Model

名称:TrajWeaver:基于状态传播扩散模型的轨迹恢复

论文:https://arxiv.org/abs/2409.02124

代码:https://anonymous.4open.science/r/TrajWeaver/README.md

MADiff

题目:MADiff: Motion-Aware Mamba Diffusion Models for Hand Trajectory Prediction on Egocentric Videos

名称:MADiff:用于自我中心视频手部轨迹预测的运动感知Mamba扩散模型

论文:https://arxiv.org/abs/2409.02638

代码:https://irmvlab.github.io/madiff.github.io

M2Diffuser

题目:M2Diffuser: Diffusion-based Trajectory Optimization for Mobile Manipulation in 3D Scenes

名称:M2Diffuser:基于扩散的3D场景移动操纵轨迹优化

论文:https://arxiv.org/abs/2410.11402

代码:

Crossfusor

题目:Crossfusor: A Cross-Attention Transformer Enhanced Conditional Diffusion Model for Car-Following Trajectory Prediction

名称:Crossfusor:一种用于跟车轨迹预测的交叉注意变换增强条件扩散模型

论文:https://arxiv.org/abs/2406.11941

代码:

DiffuTraj

题目:DiffuTraj: A Stochastic Vessel Trajectory Prediction Approach via Guided Diffusion Process

名称:DiffuTrail:一种基于引导扩散过程的随机船舶轨迹预测方法

论文:https://arxiv.org/abs/2410.09550

代码:

3.Mamba/状态空间模型

PTrajM

题目:PTrajM: Efficient and Semantic-rich Trajectory Learning with Pretrained Trajectory-Mamba

名称:PTrajM:使用预训练轨迹Mamba进行高效且语义丰富的轨迹学习

论文:https://arxiv.org/abs/2408.04916

代码:https://anonymous.4open.science/r/PTrajM-C973/readme.md

DeMa

题目:Is Mamba Compatible with Trajectory Optimization in Offline Reinforcement Learning?

名称:Mamba与离线强化学习中的轨迹优化兼容吗?

论文:https://arxiv.org/abs/2405.12094

代码:

4.LLM/大语言模型

Traj-LLM

题目:Traj-LLM: A New Exploration for Empowering Trajectory Prediction with Pre-trained Large Language Models

名称:轨迹LLM:利用预训练的大型语言模型增强轨迹预测的新探索

论文:https://arxiv.org/abs/2405.04909

代码:

LMTrajectory

题目:Can Language Beat Numerical Regression? Language-Based Multimodal Trajectory Prediction

名称:语言能打败数值回归吗?基于语言的多模态轨迹预测

论文:https://arxiv.org/abs/2403.18447

代码:https://github.com/inhwanbae/LMTrajectory

5.Generative/生成式

TrajGen

题目:TrajGen: Generating Realistic and Diverse Trajectories with Reactive and Feasible Agent Behaviors for Autonomous Driving

名称:TrajGen:为自动驾驶生成具有反应性和可行性的智能体行为的真实多样的轨迹

论文:https://arxiv.org/abs/2203.16792

代码:

6.Query/查询

XVTP3D

题目:XVTP3D: Cross-view Trajectory Prediction Using Shared 3D Queries for Autonomous Driving

名称:XVTP3D:使用共享3D查询进行自动驾驶的交叉视图轨迹预测

论文:https://arxiv.org/abs/2308.08764

代码:

7.Attention/注意力

CASPFormer

题目:CASPFormer: Trajectory Prediction from BEV Images with Deformable Attention

名称:CASPFormer:基于BEV图像的可变形注意力轨迹预测

论文:https://arxiv.org/abs/2409.17790

代码:

总结

『自动驾驶之心知识星球』欢迎加入交流!重磅,自动驾驶之心科研论文辅导来啦,申博、CCF系列、SCI、EI、毕业论文、比赛辅导等多个方向,欢迎联系我们!

65e948593ad5d82980555f640afb681b.png

① 全网独家视频课程

端到端自动驾驶、仿真测试、自动驾驶C++、BEV感知、BEV模型部署、BEV目标跟踪、毫米波雷达视觉融合多传感器标定多传感器融合多模态3D目标检测车道线检测轨迹预测在线高精地图世界模型点云3D目标检测目标跟踪Occupancy、CUDA与TensorRT模型部署大模型与自动驾驶NeRF语义分割自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频(扫码即可学习

39f695b8a614e380dded1e76930ff7fb.png

网页端官网:www.zdjszx.com

② 国内首个自动驾驶学习社区

国内外最大最专业,近4000人的交流社区,已得到大多数自动驾驶公司的认可!涉及30+自动驾驶技术栈学习路线,从0到一带你入门自动驾驶感知端到端自动驾驶世界模型仿真闭环2D/3D检测、语义分割、车道线、BEV感知、Occupancy、多传感器融合、多传感器标定、目标跟踪)、自动驾驶定位建图SLAM、高精地图、局部在线地图)、自动驾驶规划控制/轨迹预测等领域技术方案大模型,更有行业动态和岗位发布!欢迎扫描下方二维码,加入自动驾驶之心知识星球,这是一个真正有干货的地方,与领域大佬交流入门、学习、工作、跳槽上的各类难题,日常分享论文+代码+视频

8ae620d26f51b440fdc068cf7db4a917.png

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区,聚焦感知、定位、融合、规控、标定、端到端、仿真、产品经理、自动驾驶开发、自动标注与数据闭环多个方向,目前近60+技术交流群,欢迎加入!扫码添加汽车人助理微信邀请入群,备注:学校/公司+方向+昵称(快速入群方式)

3dc7a1c2d6b2f6bbe48d11dd68280ab9.jpeg

④【自动驾驶之心】全平台矩阵

d0d326f26ead4ea25b7c5a9b474fde3d.png

猜你喜欢

转载自blog.csdn.net/CV_Autobot/article/details/143318358