加速度频谱流如何预测多个移动智能体的未来运动

加速度频谱流如何预测多个移动智能体的未来运动

Ziyang Xu, Peng Han, Hai Zhou

1 分钟阅读•2026年11月22日

SpecFlow通过紧凑的频域表示生成未来加速度,再根据每个人已观测到的状态重建速度和位置,从而预测相互作用的人群可能出现的多条路径。在行人、篮球和俯视视角数据集上,它在ETH/UCY的每个场景中均排名第一,在NBA四秒预测中取得最低平均误差,并列最终误差最佳,展示了结构化运动模型如何在不依赖场景图像的情况下提升预测效果。

目录

研究人员构建了什么?

SpecFlow是一套用于同时预测多个移动智能体未来路径的系统。给定已观测到的运动,它会生成一组可能的未来,而不是给出单一固定预测。这一点很重要,因为人可能改变方向、选择不同目的地,或对他人做出反应;这些行为很难通过单一路径预测。

其核心设计选择是生成未来加速度,而不是直接生成未来位置。加速度描述速度如何变化;随后可以据此重建位置和速度。SpecFlow使用离散余弦变换(DCT)表示加速度序列:这是一种固定的数学基底,可将运动序列表示为缓慢、整体性的变化与更快速、局部性变化的组合。模型只保留选定部分的分量,以控制表示细节的程度。

为了处理不同的可能目的地和相互作用,SpecFlow还会预测终点候选,并用它们引导运动生成器。测试涵盖行人运动、篮球运动员运动和俯视视角轨迹。篮球示例会同时预测全部十名球员和篮球的运动,而不是把每条路径视为彼此独立的预测。

SpecFlow加速度频谱轨迹预测流程概览

关键结果是什么?

SpecFlow报告的最佳结果出现在ETH/UCY行人场景数据集上:在每个场景的20次采样最优评估中都排名第一。该指标考察生成的20条路径中是否至少有一条接近实际观测到的未来。在NBA轨迹数据上,SpecFlow取得四秒预测中报告的最低平均位移误差(ADE),并列最终位移误差(FDE)最佳。在SDD俯视视角轨迹数据集上,其表现也具有竞争力。

基准ADEFDE报告结果
ETH/UCY0.150.22每个场景均排名第一
NBA,四秒0.690.86ADE最佳;FDE并列最佳
SDD7.3811.57具有竞争力的结果

ADE衡量预测过程中预测位置与观测位置之间的平均距离;FDE衡量预测终点处的距离。数值越低越好。论文使用20次采样最优评估报告这些数值,因此它们反映的是表现最佳的样本与实际情况有多接近,而不是所有生成结果是否准确或经过良好校准。

一项受控比较表明,该表示方式对性能提升有所贡献。将逐帧位置生成替换为完整的加速度频谱模型后,ETH/UCY上的ADE从0.18降至0.15,FDE从0.28降至0.22。作者还报告了NBA和SDD上幅度较小的相对降幅。在三个基准上,半频谱设置的表现均最佳;只保留四分之一或保留全部系数都会增加误差。

SpecFlow如何工作?

模型以智能体已观测到的位置和速度为输入。对于每个智能体,它使用DCT系数表示未来加速度序列。DCT分量按时间频率从低到高排序:前面的分量捕捉宽缓、渐进的变化,后面的分量则可表示急转弯等更快速的变化。SpecFlow保留这一有序表示的前一部分;据报告,半频谱设置效果最佳。

一个流匹配网络会将高斯噪声变换为合理的未来加速度系数。通俗地说,网络学习一条路径,把随机起始值转换为符合有效未来运动规律的系数。该过程以已观测到的上下文和预测的终点候选为条件,后者为生成器提供智能体可能到达何处的线索。

随后,生成的系数会转换回加速度序列。接着通过两次固定的累积求和操作,根据最后观测到的速度和位置重建速度与位置。这些操作是解析式的:它们内置于模型的重建步骤中,而非单独学习得到。这使生成的运动与起始状态保持关联,也让模型能够直接对位置、速度和加速度进行联合监督。

SpecFlow的注意力机制通过交替步骤处理两类关系。一个步骤在多个候选未来之间交换信息,帮助模型表示不同的可能模式;另一个步骤在智能体之间交换信息,使每个联合预测都能考虑彼此的相互作用。当同一场景中有多个人或球员移动时,这一设计尤其适用。

SpecFlow预测篮球运动员与篮球协同运动的示例

这对机器人技术有什么意义?

在人群中移动的机器人需要的不只是猜测每个人接下来会在哪里。它们还需要考虑多个可能的目的地,以及附近智能体彼此之间的影响。SpecFlow结合多种候选未来、联合智能体建模和显式运动动力学,以结构化方式应对这些预测难题。

加速度频谱方法也提供了一种实用的工程权衡。紧凑表示可以让模型聚焦于整体运动模式,同时不必舍弃转弯或相互作用中的所有细节。实验表明,保留的分量过少会丢失有用的运动变化,而保留全部分量则可能使模型受到对位移精度贡献较小的高频变化影响。因此,选择中等带宽或许有助于兼顾平滑性和响应速度。

不过,这些实验评估的是人类轨迹预测,而非机器人导航或车队运行。SpecFlow并非完整的规划或避碰系统:机器人仍需将预测与传感器、地图、安全约束和控制策略结合起来。对于正在考虑运动预测未来如何融入实际部署的团队来说,仓储机器人是一个相关的硬件类别,但本研究并未测试这类机器人。

有哪些局限和待解问题?

SpecFlow使用运动历史和终点预测,但不包含场景图像、可通行区域地图或目的地语义线索。当仅凭几何信息无法判断某人可能前往何处时,这些信号可能很重要。论文指出,该方法在SDD上的提升较小;但该基准并未单独检验缺少视觉上下文的影响,因此无法据此确定原因。

20次采样最优ADE和FDE衡量的是一组样本中是否有结果与实际情况接近。它们无法说明模型赋予这些未来的概率是否可靠,也无法表明模型的完整分布是否拟合良好。主要实验还只使用了一个训练随机种子,因此报告结果没有体现不同独立训练轮次之间的差异。进一步测试需要采用考虑校准的指标、进行重复运行,并开展加入场景信息的受控实验。

最后,轨迹预测表现出色本身并不能证明机器人行为安全。部署前还需评估预测如何影响规划和运行,包括智能体出现意外移动的情况。

读者常问哪些问题?

这里的“加速度频谱”是什么意思? 这指的是模型将未来加速度表示为一组频率分量,从整体变化到更精细的运动细节,而不是直接逐个生成未来位置。

SpecFlow只预测一条未来路径吗? 不是。它会生成多个候选未来,并利用终点候选帮助表示不同的可能目的地。

SpecFlow在机器人上测试过吗? 没有。报告中的基准评估的是人类轨迹,包括行人、篮球运动员和俯视视角运动。

20次采样最优分数很高,是否意味着预测经过了良好校准? 不是。它只表明至少一个样本可能接近观测路径,并不意味着模型给出的概率可靠。

结论

SpecFlow展示了如何通过紧凑的频域表示生成加速度,从而在多个运动基准上实现准确的多智能体预测。其结果为轨迹预测带来了积极信号,但场景感知、概率校准和机器人部署仍有待进一步探索。

对于现实世界的运动预测,哪一点最重要:更丰富的场景上下文、更可靠的不确定性估计,还是更强的交互建模?