【技术实现步骤摘要】
本专利技术涉及自动驾驶领域，具体涉及一种结合物理信息的轻量多智能体运动预测方法。
技术介绍
1、在动态场景中对大量智能体进行联合预测是未来大量智能化车辆普及后的必然趋势。运动预测是智能驾驶车辆应具备的基础功能，这对提高车辆的安全性有着重要的作用。传统基于规则和手工设计的预测方法难以满足实际需求，基于学习的方法逐渐显露其多智能体运动预测的优势。
2、首先，transformer网络因其强大的并行计算能力，天然适用于大规模多智能体预测。但当车辆数量较多时，直接在所有预测目标车辆之间计算注意力，计算复杂度过大，这与智能体实时性的要求存在很大的矛盾。
3、其次，transformer是数据驱动的，它可以自动学习轨迹特征的相似性，但如果数据不均衡可能会导致学习效果不好。而且transformer缺乏明确的物理约束，物理世界中重要的交互因素单靠transformer可能无法完全建模。
技术实现思路
1、为解决上述背景中的技术问题，本专利技术旨在实现多智能体联合运动的同时，降低计
<本文档来自技高网...【技术保护点】
1.一种结合物理信息的轻量多智能体运动预测方法，其特征在于，步骤包括：
2.根据权利要求1所述的结合物理信息的轻量多智能体运动预测方法，其特征在于，将交通场景中的实体的集合属性编码为相对向量：
3.根据权利要求1所述的结合物理信息的轻量多智能体运动预测方法，其特征在于，进行局部区域的特征聚合的方法包括：
4.根据权利要求3所述的结合物理信息的轻量多智能体运动预测方法，其特征在于，进行旋转对齐和特征嵌入的步骤包括：
5.根据权利要求4所述的结合物理信息的轻量多智能体运动预测方法，其特征在于，进行旋转对齐和特征嵌入的步骤包括...
【技术特征摘要】
1.一种结合物理信息的轻量多智能体运动预测方法，其特征在于，步骤包括：
2.根据权利要求1所述的结合物理信息的轻量多智能体运动预测方法，其特征在于，将交通场景中的实体的集合属性编码为相对向量：
3.根据权利要求1所述的结合物理信息的轻量多智能体运动预测方法，其特征在于，进行局部区域的特征聚合的方法包括：
4.根据权利要求3所述的结合物理信息的轻量多智能体运动预测方法，其特征在于，进行旋转对齐和特征嵌入的步骤包括：
5.根据权利要求4所述的结合物理信息的轻...
【专利技术属性】
技术研发人员：刘夫云，郁宛，赵亮亮，刘慧琪，李栋，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。