论文标题：Spatial-Channel Transformer Network for Trajectory Prediction on the Traffic Scenes 论文链接：https://arxiv.org/abs/2101.11472 作者单位：东南大学 本文提出了一种具有注意力的用于空间轨迹预测的空间通道Transformer网络，以代替RNN模型，核心是用Transformer模型来捕获agents的时空特征。

预测周围人员的运动对于自动驾驶战术路径规划的实际应用至关重要。由于复杂的时间依赖性和agents的社会互动，on-line轨迹预测是一项具有挑战性的任务。 随着近年来注意力机制的发展，transformer模型首先应用于自然语言序列处理，然后应用于图像处理。 在本文中，我们提出了一种具有注意力功能的用于空间轨迹预测的空间通道Transformer网络，以代替RNN模型，我们使用Transformer模型来捕获agent的时空特征。 插入了按通道的模块，以衡量agent之间的社交互动。 我们发现，空间通道transformer网络在交通场景的真实世界轨迹预测数据集上取得了可喜的成果。

内容中包含的图片若涉及版权问题，请及时与我们联系删除