出色的互动感知行为和轨迹预测

这是一份与轨迹预测相关的最先进研究资料（数据集、博客、论文和公共代码）清单。希望它对学术界和工业界都有帮助。（持续更新中）

维护者：Jiachen Li（斯坦福大学）；Hengbo Ma，Jinning Li（加州大学伯克利分校）

电子邮箱：jiachen_li@stanford.edu; {hengbo_ma, jinning_li}@berkeley.edu

请随时提交拉取请求添加新资源，或发送电子邮件与我们讨论、讨论和合作。

注意：这里 还收集了关于强化学习、决策和运动规划的资料。

如果您发现此存储库有用，请考虑引用我们的工作：

@inproceedings{li2020evolvegraph,
  title={EvolveGraph: Multi-Agent Trajectory Prediction with Dynamic Relational Reasoning},
  author={Li, Jiachen and Yang, Fan and Tomizuka, Masayoshi and Choi, Chiho},
  booktitle={2020 Advances in Neural Information Processing Systems (NeurIPS)},
  year={2020}
}

@inproceedings{li2019conditional,
  title={Conditional Generative Neural System for Probabilistic Trajectory Prediction},
  author={Li, Jiachen and Ma, Hengbo and Tomizuka, Masayoshi},
  booktitle={2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
  pages={6150--6156},
  year={2019},
  organization={IEEE}
}

目录

<!-- TOC depthFrom:1 depthTo:6 withLinks:1 updateOnSave:1 orderedList:0 -->

• 数据集
  • 车辆与交通
  • 行人
  • 运动员
• 文献与代码
  • 调查报告
  • 带有互动的物理系统
  • 智能车辆与行人
  • 移动机器人
  • 运动员
  • 基准和评估指标
  • 其他
  <!-- /TOC -->

数据集

车辆与交通

数据集	代理	场景	传感器
Waymo Open Dataset	车辆 / 骑车者 / 行人	城市 / 高速公路	LiDAR / 相机 / 雷达
Argoverse	车辆 / 骑车者 / 行人	城市 / 高速公路	LiDAR / 相机 / 雷达
nuScenes	车辆	城市	相机 / LiDAR / 雷达
highD	车辆	高速公路	相机
inD	车辆	高速公路	相机
roundD	车辆	高速公路	相机
BDD100k	车辆 / 骑车者 / 行人	高速公路 / 城市	相机
KITTI	车辆 / 骑车者 / 行人	高速公路 / 农村地区	相机 / LiDAR
NGSIM	车辆	高速公路	相机
INTERACTION	车辆 / 骑车者 / 行人	环岛 / 十字路口	相机
Cyclists	骑车者	城市	相机
Apolloscapes	车辆 / 骑车者 / 行人	城市	相机
Udacity	车辆	城市	相机
Cityscapes	车辆 / 行人	城市	相机
Stanford Drone	车辆 / 骑车者 / 行人	城市	相机
Argoverse	车辆 / 行人	城市	相机 / LiDAR
TRAF	车辆 / 公车 / 骑车者 / 自行车 / 行人 / 动物	城市	相机
Aschaffenburg Pose Dataset	骑车者 / 行人	城市	相机

行人

数据集	代理	场景	传感器
UCY	行人	zara / 学生	相机
ETH (ICCV09)	行人	城市	相机
VIRAT	行人 / 车辆	城市	相机
KITTI	车辆 / 骑车者 / 行人	高速公路 / 农村地区	相机 / LiDAR
ATC	行人	购物中心	辐射传感器
Daimler	行人	从移动车辆	相机
Central Station	行人	火车站	相机
Town Center	行人	城市街道	相机
Edinburgh	行人	城市	相机
Cityscapes	车辆 / 行人	城市	相机
Argoverse	车辆 / 行人	城市	相机 / LiDAR
Stanford Drone	车辆 / 骑车者 / 行人	城市	相机
TrajNet	行人	城市	相机
PIE	行人	城市	相机
ForkingPaths	行人	城市 / 模拟	相机
TrajNet++	行人	城市	相机
Aschaffenburg Pose Dataset	骑车人 / 行人	城市	相机

运动员

数据集	代理	场景	传感器
Football	行人	足球场	相机
NBA SportVU	行人	篮球场	相机
NFL	行人	美式橄榄球场	相机

文献与代码

调查报告

• 自动驾驶车辆轨迹预测的机器学习：全面综述、挑战和未来研究方向，arXiv预印本arXiv:2307.07527，2023年。[ 论文 ]
• 深度学习车辆轨迹预测中融入驾驶知识：综述，IEEE T-IV，2023年。[ 论文 ]
• 在行人-车辆混合环境下的行人轨迹预测：系统性回顾，IEEE T-ITS，2023年。[ 论文 ]
• 自动驾驶的轨迹预测方法综述，IEEE T-IV 2022年。[ 论文 ]
• 基于深度学习模型的车辆轨迹预测综述，国际可持续专家系统会议，ICSES 2022年。[ 论文 ]
• 自动驾驶场景理解与运动预测——回顾与比较，IEEE T-ITS，2022年。[ 论文 ]
• 基于车辆信息的多模态融合技术：综述，arXiv预印本arXiv:2211.06080，2022年。[ 论文 ]
• 自动驾驶的深度强化学习：综述，IEEE T-ITS，2022年。[ 论文 ]
• 自动驾驶的社会交互：回顾与展望，arXiv预印本arXiv:2208.07541，2022年。[ 论文 ]
• 生成对抗网络在时空数据中的应用：综述，ACM T-IST，2022年。[ 论文 ]
• 驾驶场景中的行为意图预测：综述，arXiv预印本arXiv:2211.00385，2022年。[ 论文 ]
• 自动驾驶中行人和车辆的运动预测综述，IEEE Access，2021年。[ 论文 ]
• 行人轨迹预测方法综述：比较深度学习和知识基方法，arXiv预印本arXiv:2111.06740，2021年。[ 论文 ]
• 轨迹数据管理、分析与学习综述，CSUR 2021年。[ 论文 ]
• 自动驾驶中的行人行为预测：需求、指标和相关特征，IEEE T-ITS，2021年。[ 论文 ]
• 基于深度学习的行人轨迹预测方法综述，Sensors，2021年。[ 论文 ]
• 自动驾驶中车辆轨迹预测的深度学习方法综述，ROBIO 2021年。[ 论文 ][ 代码 ]
• 自动驾驶的深度学习技术综述，现场机器人学报，2020年。[ 论文 ]
• 人类运动轨迹预测：综述，国际机器人研究杂志，2020年。[ 论文 ]
• 自动驾驶中使用深度学习的最先进技术综述，arXiv预印本arXiv:2006.06091，2020年。[ 论文 ]
• 视觉交通模拟综述：模型、评估和自动驾驶中的应用，计算机图形论坛2020年。[ 论文 ]
• 基于深度学习的自动驾驶应用中的车辆行为预测：综述，IEEE T-ITS 2020年。[ 论文 ]
• 自动驾驶车辆运动规划的深度强化学习综述，IEEE T-ITS 2020年。[ 论文 ]
• 车辆轨迹相似性：模型、方法和应用，ACM计算机综述（CSUR 2020）。[ 论文 ]
• 人类驾驶行为建模与预测：综述，2020年。[ 论文 ]
• 城市场景行人行为预测的文献综述，ITSC 2018年。[ 论文 ]
• 基于视觉的路径预测综述。[ 论文 ]
• 与行人交互的自动驾驶车辆：理论与实践综述。[ 论文 ]
• 轨迹数据挖掘：概述。[ 论文 ]
• 智能车辆的运动预测与风险评估综述。[ 论文 ]

交互物理系统

• 使用子等变图神经网络学习物理动力学，NeurIPS 2022年。[ 论文 ][ 代码 ]
• EvolveGraph: 多智能体轨迹预测的动态关系推理，NeurIPS 2020年。[ 论文 ]
• 多机器人系统的交互模板，IROS 2019年。[ 论文 ]
• 多交互系统的因子化神经关系推理，ICML工作坊2019年。[ 论文 ][ 代码 ]
• 物理即逆图形学：从视频中联合无监督学习物体与物理，2019年。[ 论文 ]
• 交互系统的神经关系推理，ICML 2018年。[ 论文 ][ 代码 ]
• 使用感知-预测网络无监督学习潜在物理属性，UAI 2018年。[ 论文 ]
• 关系性归纳偏置、深度学习和图网络，2018年。[ 论文 ]
• 关系神经期望最大化：无监督发现物体及其交互，ICLR 2018年。[ 论文 ]
• 图网络作为可学习的物理引擎用于推理和控制，ICML 2018年。[ 论文 ]
• 用于物理预测的灵活神经表示，2018年。[ 论文 ]
• 一种用于关系推理的简单神经网络模块，2017年。[ 论文 ]
• VAIN: 多智能体预测建模的关注机制，NeurIPS 2017年。[ 论文 ]
• 视觉交互网络，2017年。[ 论文 ]
• 物理动力学学习的组合性基于物体的方法，ICLR 2017年。[ 论文 ]
• 学习物体、关系和物理的交互网络，2016年。[ 论文 ][ 代码 ]

智能车辆与交通与行人

• MotionDiffuser：使用扩散进行可控多智能体运动预测，CVPR 2023. [论文]
• 揭示缺失模式：统一框架以实现轨迹插补和预测，CVPR 2023. [论文]
• 无监督采样促进随机人类轨迹预测，CVPR 2023. [论文] [代码]
• 面向规划的自动驾驶，CVPR 2023. [论文] [代码]
• IPCC-TP：利用增量皮尔逊相关系数进行联合多智能体轨迹预测，CVPR 2023. [论文]
• 刺激验证是多模态人类轨迹预测中的通用且有效的采样器，CVPR 2023. [论文]
• 以查询为中心的轨迹预测，CVPR 2023. [论文] [代码] [QCNeXt]
• FEND：一种面向长期轨迹预测的未来增强分布感知对比学习框架，CVPR 2023. [论文]
• Trace and Pace：通过引导轨迹扩散可控制行人动画，CVPR 2023. [论文] [网站]
• FJMP：通过学习有向无环交互图进行的因子分解联合多智能体运动预测，CVPR 2023. [论文] [网站]
• Leapfrog扩散模型用于随机轨迹预测，CVPR 2023. [论文] [代码]
• ViP3D：通过3D智能体查询的端到端视觉轨迹预测，CVPR 2023. [论文] [网站]
• EqMotion：具有不变交互推理的等变多智能体运动预测，CVPR 2023. [论文] [代码]
• V2X-Seq：用于车-基础设施合作感知和预测的大规模时序数据集，CVPR 2023. [论文] [代码]
• 弱监督类无关运动预测用于自动驾驶，CVPR 2023. [论文]
• 更多分解和更好聚合：关于人类运动预测频率表示学习的两次深入研究，CVPR 2023. [论文]
• HumanMAC：用于人类运动预测的遮罩运动补全，ICCV 2023. [论文] [代码]
• BeLFusion：用于行为驱动的人类运动预测的潜在扩散，ICCV 2023. [论文] [代码]
• EigenTrajectory：用于多模态轨迹预测的低秩描述符，ICCV 2023. [论文] [代码]
• ADAPT：具有适应性的高效多智能体轨迹预测，ICCV 2023. [论文] [代码]
• PowerBEV：一种强大且轻量的鸟瞰视角实例预测框架，IJCAI 2023. [论文] [代码]
• 用于随机运动预测的人类关节运动扩散调整，AAAI 2023. [论文]
• 多流表示学习用于行人轨迹预测，AAAI 2023. [论文]
• 基于两阶段GAN的连续轨迹生成，AAAI 2023. [论文] [代码]
• 一组控制点条件下的行人轨迹预测，AAAI 2023. [论文] [代码]
• 利用未来关系推理进行车辆轨迹预测，ICLR 2023. [论文]
• TrafficGen：学习生成多样化和真实的交通场景，ICRA 2023. [论文] [代码]
• GANet：用于运动预测的目标区域网络，ICRA 2023. [论文] [代码]
• TOFG：自动驾驶中的统一且细粒度的环境表示，ICRA 2023. [论文]
• SSL-Lanes：用于自动驾驶的自监督学习运动预测，CoRL 2023. [论文] [代码]
• LimSim：一种长期交互多场景交通模拟器，ITSC 2023. [论文] [代码]
• MVHGN：基于多视角自适应层次空间图卷积网络的异构交通代理轨迹预测，TITS. [论文]
• 通过可转移层次Transformer网络进行异构代理的自适应和同步轨迹预测，TITS. [论文]
• SSAGCN：用于行人轨迹预测的社会软注意力图卷积网络，TNNLS. [论文] [代码]
• 解开行人轨迹预测中的人群交互，RAL. [论文]
• VNAGT：用于多智能体轨迹预测的变分非自回归图Transformer网络，IEEE Transactions on Vehicular Technology. [论文]
• 空间-时间-频谱LSTM：一种可转移的行人轨迹预测模型，TIV. [论文]
• 全面Transformer：用于自动驾驶决策和轨迹预测的联合神经网络，PR. [论文]
• Tri-HGNN：学习融合的三重策略层次图神经网络用于行人轨迹预测，PR. [论文]
• 采用逆强化学习和风险规避的方法在城市无信号交叉口进行多模态车辆轨迹预测，TITS. [论文]
• 基于多尺度时空图的自动驾驶轨迹预测，IET Intelligent Transport Systems. [论文]
• 用于人类轨迹预测的社会自注意生成对抗网络，IEEE Transactions on Artificial Intelligence. [论文]
• CSIR：具有迭代社交意识重新思考的级联滑动CVAEs用于轨迹预测，TITS. [论文]
• 通过Transformer网络进行自动驾驶高速公路上的多模态操作和轨迹预测，RAL. [论文]
• 基于高速公路上的物理启发Transformer模型的车辆轨迹预测，Transportation Research Part C: Emerging Technologies. [论文] [代码]
• MacFormer：用于实时和鲁棒轨迹预测的地图-代理耦合Transformer，RAL. [论文]
• MRGTraj：一种新颖的非自回归人类轨迹预测方法，TCSVT. [论文] [代码]
• 通过横向-纵向分解进行规划启发的分层轨迹预测，用于自动驾驶，TIV. [论文]
• Traj-MAE：用于轨迹预测的掩码自动编码器，arXiv预印本arXiv:2303.06697, 2023. [论文]
• 不确定感知的行人轨迹预测通过分布式扩散，arXiv预印本arXiv:2303.08367, 2023. [论文]
• 用于GPS轨迹生成的扩散模型，arXiv预印本arXiv:2304.11582, 2023. [论文]
• 多元宇宙变压器：Waymo Open Sim Agents Challenge 2023第一名解决方案，CVPR 2023 自动驾驶研讨会。【论文】 【官网】
• 联合多路径++：Waymo Open Sim Agents Challenge 2023第二名解决方案，CVPR 2023 自动驾驶研讨会。【论文】 【代码】
• MTR++：具有对称场景建模和引导意图查询的多代理运动预测，Waymo Open Motion Prediction Challenge 2023第一名解决方案，CVPR 2023 自动驾驶研讨会。【论文】 【代码】
• GameFormer：基于博弈论的变压器交互预测与规划模型学习，arXiv 预印本 arXiv:2303.05760，2023年。【论文】 【代码】 【官网】
• GameFormer Planner: 用于自动驾驶的学习使能交互预测和规划框架，CVPR 2023 自动驾驶研讨会中的nuPlan Planning Challenge。【论文】 【代码】
• trajdata：多个人体轨迹数据集的统一接口，arXiv 预印本 arXiv:2307.13924，2023年。【论文】 【代码】
• 记住意图：基于回顾记忆的轨迹预测，CVPR 2022。【论文】 【代码】
• STCrowd：拥挤场景中行人感知的多模态数据集，CVPR 2022。【论文】 【代码】
• 车辆轨迹预测工作，但并非适用于所有地方，CVPR 2022。【论文】 【代码】
• 通过运动不确定性扩散进行轨迹预测，CVPR 2022。【论文】 【代码】
• 非概率抽样网络进行人类轨迹预测，CVPR 2022。【论文】 【代码】
• 关于自动驾驶车辆轨迹预测的对抗性鲁棒性研究，CVPR 2022。【论文】 【代码】
• 通过可转移图神经网络进行自适应轨迹预测，CVPR 2022。【论文】
• 迈向鲁棒和自适应的运动预测：因果表示透视，CVPR 2022。【论文】 【代码】、【代码】
• 多少观察足够？用于轨迹预测的知识蒸馏，CVPR 2022。【论文】
• 从所有车辆中学习，CVPR 2022。【论文】 【代码】
• 通过未来物体检测使用LiDAR预测，CVPR 2022。【论文】 【代码】
• 基于占用网格图的端到端轨迹分布预测，CVPR 2022。【论文】 【代码】
• M2I: 从因素化的边际轨迹预测到交互预测，CVPR 2022。【论文】 【代码】
• GroupNet：基于多尺度超图神经网络的轨迹预测，CVPR 2022。【论文】 【代码】
• 究竟是谁的轨迹？通过基于亲和性的预测来提高对跟踪误差的鲁棒性，CVPR 2022。【论文】
• ScePT：基于情景一致性和策略的轨迹预测用于规划，CVPR 2022。【论文】 【代码】
• 带有记忆回放的图基空间变换器用于多未来行人轨迹预测，CVPR 2022。【论文】 【代码】
• MUSE-VAE: 用于环境感知的长期轨迹预测的多尺度VAE，CVPR 2022。【论文】
• LTP:基于车道的自动驾驶轨迹预测，CVPR 2022。【论文】
• ATPFL：在联邦学习框架下自动设计轨迹预测模型，CVPR 2022。【论文】
• 通过瞬时观察进行人类轨迹预测，CVPR 2022。【论文】
• HiVT：用于多代理运动预测的分层向量变压器，CVPR 2022。【论文】 【代码】
• 用于多模式轨迹预测的行人群体表示学习，ECCV 2022。【论文】 【代码】
• Social-Implicit：重新思考轨迹预测评估与隐式最大似然估计的有效性，ECCV 2022。【论文】 【代码】 【官网】
• 多模式车辆轨迹预测的分层潜在结构，ECCV 2022。【论文】 【代码】
• SocialVAE：使用时间维度的潜变量进行人类轨迹预测，ECCV 2022。【论文】 【代码】
• 垂直视图：通过傅里叶谱进行轨迹预测的分层网络，ECCV 2022。【论文】 【代码】
• 参与者行为推理和预测的条目翻转变压器，ECCV 2022。【论文】
• D2-TPred：在交通信号灯下的轨迹预测的不连续依赖性，ECCV 2022。【论文】 【代码】
• 通过神经社会物理学进行人类轨迹预测，ECCV 2022。【论文】 【代码】
• Social-SSL: 基于变压器的多代理轨迹预测的自监督跨序列表示学习，ECCV 2022。【论文】 【代码】
• 知晓历史：利用本地行为数据进行轨迹预测，ECCV 2022。【论文】 【代码】
• 基于动作的对比学习用于轨迹预测，ECCV 2022。【论文】
• AdvDO：现实主义的轨迹预测对抗性攻击，ECCV 2022。【论文】
• ST-P3：通过时空特征学习的端到端基于视觉的自动驾驶，ECCV 2022。【论文】 【代码】
• Social ODE：基于神经常微分方程的多代理轨迹预测，ECCV 2022。【论文】
• 从场景历史预测人的轨迹，NeurIPS 2022。【论文】 【代码】
• 基于轨迹引导的端到端自动驾驶控制预测：一个简单却强大的基准，NeurIPS 2022。【论文】 【代码】
• 带有全局意图定位和局部运动修正的运动变换器，NeurIPS 2022。【论文】 【官网】
• 使用复合注意力进行交互建模，NeurIPS 2022。【论文】 【代码】
• 深度交互运动预测与规划：使用运动预测模型进行博弈学习，动态与控制学习会议（L4DC）。【论文】 【官网】
• 用于行人轨迹预测的社会解释树，AAAI 2022. [论文] [代码]
• 互补注意力门控网络预测行人轨迹，AAAI 2022. [论文] [代码]
• 场景Transformer：统一架构预测多代理未来轨迹，ICLR 2022. [论文]
• 你通常都是独自行走：分析轨迹预测中的特征归因，ICLR 2022. [论文]
• 用于联合多智能体运动预测的潜变量序列集Transformer，ICLR 2022. [论文] [代码]
• THOMAS：具有多智能体采样学习的轨迹热图输出，ICLR 2022. [论文]
• 用于运动预测的高清地图路径感知图注意力，ICRA 2022. [论文]
• 具有语言表示的轨迹预测，ICRA 2022. [论文]
• 利用平滑注意力先验进行多智能体轨迹预测，ICRA 2022. [论文] [网站]
• KEMP：基于关键帧的层次化端到端深度模型进行长期轨迹预测，ICRA 2022. [论文]
• 用于视觉驱动轨迹生成的领域泛化，ICRA 2022. [论文] [网站]
• 面向交互感知轨迹预测的深度概念图网络，ICRA 2022. [论文]
• 使用迭代注意力块进行有条件的人类轨迹预测，ICRA 2022. [论文]
• StopNet：可扩展的城市自动驾驶轨迹和占位预测，ICRA 2022. [论文]
• 基于时空图上的Meta-path分析来进行行人轨迹预测，ICRA 2022. [论文] [网站]
• 通过轨迹预测传播状态不确定性，ICRA 2022. [论文] [代码]
• HYPER：通过分解推理和自适应采样学习混合轨迹预测，ICRA 2022. [论文]
• Grouptron：用于群体密集人群轨迹预测的动态多尺度图卷积网络，ICRA 2022. [论文]
• 基于跨模态Transformer的行人轨迹预测生成框架，ICRA 2022. [论文]
• 使用拓扑地图进行自动驾驶轨迹预测，ICRA 2022. [论文] [代码]
• CRAT-Pred：基于晶体图卷积神经网络和多头自注意力的车辆轨迹预测，ICRA 2022. [论文] [代码]
• MultiPath++：用于行为预测的高效信息融合和轨迹聚合，ICRA 2022. [论文]
• 基于Transformer的多模态运动预测神经网络，用于自动驾驶，ICRA 2022. [论文]
• GOHOME：面向未来运动估计的图热图输出，ICRA 2022. [论文]
• TridentNetV2：用于动态轨迹生成的轻量级图形全球计划表示，ICRA 2022. [论文]
• 考虑类别不确定性的异构智能体轨迹预测，IROS 2022. [论文] [代码] [轨迹数据]
• 基于图的双尺度上下文融合进行轨迹预测，IROS 2022. [论文] [代码]
• 对抗攻击下的鲁棒轨迹预测，CoRL 2022. [论文] [代码]
• 规划与扩散进行灵活行为合成，ICML 2022. [论文] [网站]
• 具有误差补偿的同步双向行人轨迹预测，ACCV 2022. [论文]
• AI-TP：基于注意力的交互感知轨迹预测，用于自动驾驶，IEEE T-IV, 2022. [论文] [代码]
• MDST-DGCN：基于多级动态时空定向图卷积网络进行行人轨迹预测，计算智能与神经科学。[论文]
• 基于图的时空卷积网络，用于自动驾驶中的车辆轨迹预测，IEEE T-ITS, 2022. [论文]
• 具有异构边增强图注意力网络的多智能体轨迹预测，IEEE T-ITS, 2022. [论文]
• 使用注意力机制的全卷积编码器-解码器进行实际行人轨迹预测，IEEE T-ITS, 2022. [论文]
• STGM：基于生成模型进行时空特征的车辆轨迹预测，IEEE T-ITS, 2022. [论文]
• 使用时空图注意力Transformer进行自动驾驶的轨迹预测，IEEE T-ITS, 2022. [论文]
• 基于时空动态注意网络的互联网车辆意图感知轨迹预测，IEEE T-ITS, 2022. [论文] [代码]
• 基于先验感知定向图卷积神经网络的轨迹预测，IEEE T-ITS, 2022. [论文]
• DeepTrack：高速公路上使用轻量深度学习进行车辆轨迹预测，IEEE T-ITS, 2022. [论文]
• 使用驾驶风险图集成深度学习方法进行周车的交互轨迹预测，IEEE T-ITS, 2022. [论文]
• 通过异构上下文感知图卷积网络进行联网环境中的车辆轨迹预测，IEEE T-ITS, 2022. [论文]
• 基于时间模式注意的轨迹预测神经网络和模型解释，IEEE T-ITS, 2022. [论文]
• 学习部分检测行人的稀疏交互图进行轨迹预测，IEEE RA-L, 2022. [论文] [代码]
• GAMMA：自动驾驶的一般代理运动预测模型，RAL. [论文] [代码]
• 用于轨迹预测的逐步目标驱动网络，RAL. [论文] [代码]
• GA-STT：基于群体感知时空Transformer的人类轨迹预测，RAL. [论文]
• 使用生成对抗网络进行长期4D轨迹预测，交通研究C：新兴技术。[论文]
• 用于自动驾驶汽车的上下文感知行人轨迹预测框架，交通研究C：新兴技术。[论文]
• 使用注意力模型的可解释多模态轨迹预测，交通研究C：新兴技术。[论文]
• CSCNet：在拥挤空间中进行轨迹预测的上下文语义一致性网络，PR. [论文]
• CSR：具有社交感知回归的级联条件变分自编码器，用于行人轨迹预测，PR. [论文]
• 步骤注意力：顺序行人轨迹预测，IEEE传感器杂志。[论文]
• 偶发车辆运动趋势与双重注意力机制耦合的车辆轨迹预测方法，IEEE仪器与测量学会会刊。[论文]
• 考虑时空交互和轨迹分布的行人多模态轨迹预测图卷积网络，IEEE仪器与测量学会会刊。[论文]
• 深度编码器–解码器-神经网络：基于深度学习的自动驾驶车辆轨迹预测和校正模型，《物理学A：统计力学及其应用》。[论文]
• PTPGC：基于图注意力网络和卷积LSTM的行人轨迹预测，《机器人与自主系统》。[论文]
• GCHGAT：使用群体约束分层图注意力网络的行人轨迹预测，《应用智能》。[论文]
• 基于递归VAE网络的车辆轨迹预测，《IEEE Access》。[论文] [代码]
• SEEM：基于序列熵能量的行人轨迹一体预测模型，《TPAMI》。[论文]
• PTP-STGCN：基于时空图卷积神经网络的行人轨迹预测，《应用智能》。[论文]
• 轨迹分布：一种用于轨迹预测的新的运动描述，《计算视觉媒体》。[论文]
• 基于多尺度时空图的自动驾驶轨迹预测，《IET智能交通系统》。[论文]
• 基于持续学习的轨迹预测与记忆增强网络，《基于知识的系统》。[论文]
• Atten-GAN：基于注意力机制的行人轨迹预测GAN，《认知计算》。[论文]
• EvoSTGAT：用于行人轨迹预测的进化时空图注意力网络，《神经计算》。[论文]
• 提高运动预测中的情境感知，《CVPR 2022研讨会》。[论文] [代码]
• 目标驱动的自注意递归网络用于轨迹预测，《CVPR 2022研讨会》。[论文] [代码]
• 重要性在于你的注意力：用于自动驾驶的代理重要性预测，《CVPR 2022研讨会》。[论文]
• MPA：基于MultiPath++的运动预测架构，《CVPR 2022研讨会》。[论文] [代码]
• TPAD：在轨迹异常检测模型指导下识别有效轨迹预测，arXiv:2201.02941, 2022。[论文]
• Wayformer：通过简单高效的注意力网络进行运动预测，arXiv preprint arXiv:2207.05844, 2022。[论文]
• PreTR：时空非自回归轨迹预测Transformer，arXiv preprint arXiv:2203.09293, 2022。[论文]
• LatentFormer：基于Transformer的多代理交互建模和轨迹预测，arXiv preprint arXiv:2203.01880, 2022。[论文]
• 使用两阶段预测网络的多样化轨迹预测，结合车道损失训练，arXiv preprint arXiv:2206.08641, 2022。[论文]
• 用于轨迹预测的半监督语义引导对抗训练，arXiv preprint arXiv:2205.14230, 2022。[论文]
• 通过风险和场景图学习的异质轨迹预测，arXiv preprint arXiv:2211.00848, 2022。[论文]
• GATraj：基于图和注意的多代理轨迹预测模型，arXiv preprint arXiv:2209.07857, 2022。[论文] [代码]
• 具有关系推理的多代理轨迹预测的动态组感知网络，arXiv preprint arXiv:2206.13114, 2022。[论文]
• 共同不确定性在多代理多模式轨迹预测中的益处，arXiv preprint arXiv:2207.05195, 2022。[论文] [代码]
• 可控交通模拟中的引导条件扩散，arXiv preprint arXiv:2210.17366, 2022。[论文] [网站]
• PhysDiff：物理引导的人体运动扩散模型，arXiv preprint arXiv:2212.02500, 2022。[论文]
• MPA：基于MultiPath++的运动预测架构，《CVPR自动驾驶研讨会2022》。[论文] [代码]
• 多代理轨迹预测中的协作不确定性，《NeurIPS 2021》。[论文]
• GRIN：用于多代理轨迹预测的生成关系和意图网络，《NeurIPS 2021》。[论文] [代码]
• LibCity：开放的交通预测库，《SIGSPATIAL 2021》。[论文] [代码]
• 使用Transformer网络和增强信息预测城市情景中车辆轨迹，《IEEE智能车辆研讨会 (IV 2021)》。[论文]
• Social-STAGE：时空多模态未来轨迹预测，《ICRA 2021》。[论文]
• AVGCN：基于图卷积网络的轨迹预测，通过人类注意力引导，《ICRA 2021》。[论文]
• 探索多路径轨迹预测的动态情境，《ICRA 2021》。[论文] [代码]
• 使用上下文增强Transformer网络的行人轨迹预测，《ICRA 2021》。[论文] [代码]
• 用于轨迹预测的频谱时空图神经网络，《ICRA 2021》。[论文]
• 结合拥堵感知的多代理轨迹预测用于避免碰撞，《ICRA 2021》。[论文] [代码]
• 通过概率预测行人未来移动进行群体中的预判导航，《ICRA 2021》。[论文]
• AgentFormer：用于社会-时间多代理预测的代理感知Transformer，《ICCV 2021》。[论文] [代码] [网站]
• 基于似然度的多样性采样用于轨迹预测，《ICCV 2021》。[论文] [代码]
• MG-GAN：多生成模型，防止行人轨迹预测中的分布外样本，《ICCV 2021》。[论文] [代码]
• 用于低延迟轨迹预测的空间-时间一致性网络，《ICCV 2021》。[论文]
• 多模态轨迹预测的三步走：模态聚类、分类和合成，《ICCV 2021》。[论文]
• 从目标、路径点和路径到长期人类轨迹预测，《ICCV 2021》。[论文] [代码]
• 你要去哪里？使用专家目标例子的动态轨迹预测，《ICCV 2021》。[论文] [代码]
• DenseTNT：从密集目标集进行端到端轨迹预测，《ICCV 2021》。[论文]
• 考虑未见车辆的自主驾驶安全感知运动预测, ICCV 2021. [论文] [代码]
• LOKI：用于轨迹预测的长期和关键意图, ICCV 2021. [论文] [数据集]
• 通过反事实分析进行的人类轨迹预测, ICCV 2021. [论文] [代码]
• 通过分布区分进行个性化轨迹预测, ICCV 2021. [论文] [代码]
• 基于无限邻域互动的异构轨迹预测, ICCV 2021. [论文] [代码]
• 社会NCE：社交感知运动表示的对比学习, ICCV 2021. [论文] [代码]
• RAIN：用于运动预测的强化混合注意推理网络, ICCV 2021. [论文]
• 基于多重监督的行人轨迹预测时间金字塔网络, AAAI 2021. [论文]
• SCAN：一个空间上下文关注网络用于多智能体意图联合预测, AAAI 2021. [论文]
• 用于行人轨迹预测的解缠多关系图卷积网络, AAAI 2021. [论文] [代码]
• MotionRNN：一种用于时间空间多变运动视频预测的灵活模型, CVPR 2021. [论文]
• 堆叠变压器的多模态运动预测, CVPR 2021. [论文] [代码] [网站]
• SGCN：用于行人轨迹预测的稀疏图卷积网络, CVPR 2021. [论文] [代码]
• LaPred：动态代理多模态未来轨迹的车道感知预测, CVPR 2021. [论文]
• 分而治之用于多样车道感知轨迹预测, CVPR 2021. [论文]
• Euro-PVI：密集城市中心中的行人车辆互动, CVPR 2021. [论文] [数据集]
• 基于潜在信念能量模型的轨迹预测, CVPR 2021. [论文] [代码]
• 自主驾驶的跨模态共享轨迹预测, CVPR 2021. [论文]
• 基于单目相机的行人和自车轨迹预测, CVPR 2021. [论文] [代码]
• 用于人群中的人类轨迹预测的可解释社会锚点, CVPR 2021. [论文]
• Introvert：通过条件3D注意进行的人的轨迹预测, CVPR 2021. [论文]
• MP3：一个统一的映射、感知、预测和计划模型, CVPR 2021. [论文]
• TrafficSim：学习模拟逼真的多智能体行为, CVPR 2021. [论文]
• 用于行人轨迹预测的多模态变压器网络, IJCAI 2021. [论文] [代码]
• 解码器融合RNN: 用于轨迹预测的上下文和交互感知解码器, IROS 2021. [论文]
• 基于变压器的联合意图和轨迹预测, IROS 2021. [论文]
• 基于时空卷积网络的自驾车轨迹预测, IROS 2021. [论文]
• 自动驾驶的多上下文线索集成轨迹预测, IROS 2021. [论文]
• MultiXNet：多类别多阶段多模态运动预测, IEEE智能车辆研讨会(IV 2021). [论文]
• 基于多头注意的自主驾驶轨迹预测与联合代理地图表征, IEEE智能车辆研讨会(IV 2021). [论文]
• 社会IWSTCNN: 用于城市交通场景中行人轨迹预测的社会交互加权时空卷积神经网络, IV 2021. [论文]
• 生成具有多样性行人行为的场景以测试自动驾驶车辆, 机器人学习会议(CoRL 2021). [论文] [代码]
• 基于车道图遍历的多模态轨迹预测, CoRL 2021. [论文] [代码]
• 使用基于模型规划的车辆轨迹预测, CoRL 2021. [论文]
• 基于姿势的高危道路使用者轨迹预测, 国际模式识别会议(ICPR 2021). [论文]
• GraphTCN：用于人类轨迹预测的时空交互建模, WACV 2021. [论文]
• 目标驱动的长期轨迹预测, WACV 2021. [论文]
• 基于非详细先验地图的自动驾驶多模态轨迹预测, WACV 2021. [论文]
• 用于上下文感知行人轨迹预测的自增长空间图网络, IEEE图像处理国际会议(ICIP 2021). [论文] [代码]
• S2TNet：自动驾驶中的时空变压器网络轨迹预测, 亚洲机器学习会议2021. [论文] [代码]
• 学习结构化表示空间和交互动态进行拥挤场景的轨迹预测, IEEE机器人与自动化字母2021. [论文] [代码]
• 使用等变连续卷积的轨迹预测, ICLR 2021. [论文] [代码]
• TridentNet：一个动态轨迹生成的条件生成模型, 智能自主系统国际会议2021. [论文]
• HOME: 基于热图输出的未来运动估计，ITSC 2021. [论文]
• 基于图和循环神经网络的高速公路驾驶车辆轨迹预测，ITSC 2021. [论文]
• SCSG注意力：一个以自我为中心的带注意力的星图用于行人轨迹预测，高级应用数据库系统国际会议 (DASFAA 2021). [论文]
• 利用轨迹预测进行行人视频异常检测，IEEE计算智能专题会议 (SSCI 2021). [论文] [代码]
• 社交感知轨迹预测模型真的具有社交感知吗？，交通运输研究：C部分. [论文, 论文] [代码]
• 在数据驱动的车辆轨迹预测中注入知识，交通运输研究：C部分. [论文] [代码]
• 基于沉浸式虚拟现实和可解释深度学习解码行人和自动驾驶车辆的互动，交通运输研究：C部分. [论文]
• 人群中人类轨迹预测的深度学习视角，IEEE智能运输系统汇刊. [论文] [代码]
• NetTraj: 一个基于网络的具有方向表示和时空注意机制的车辆轨迹预测模型，TITS. [论文]
• 基于时空图双重注意网络的多代理预测和跟踪，TITS. [论文]
• 基于图神经网络的交通参与者交互行为预测的分层框架，TITS. [论文]
• TrajGAIL: 使用生成对抗模仿学习生成城市车辆轨迹，交通运输研究：C部分. [论文] [代码]
• 使用具有时间逻辑语法树特征的生成对抗网络进行车辆轨迹预测，IEEE机器人与自动化通讯. [论文]
• 使用具有时空注意机制的LSTM进行车辆轨迹预测，IEEE智能运输系统杂志. [论文] [代码]
• 基于长期短期记忆的在连接和自动驾驶环境下的人工驾驶车辆纵向轨迹预测，交通运输研究记录. [论文]
• 具有时空注意的时间金字塔网络用于行人轨迹预测，IEEE网络科学与工程汇刊. [论文]
• 基于门控线性单元的轨迹预测的高效时空模型，神经计算. [论文]
• SRAI-LSTM: 基于社会关系注意的具互动感知意识的LSTM用于人类轨迹预测，神经计算. [论文]
• AST-GNN: 基于注意的时空图神经网络用于具互动感知的行人轨迹预测，神经计算. [论文]
• Multi-PPTP: 在复杂交叉路口场景下的多概率行人轨迹预测，IEEE智能运输系统汇刊. [论文]
• 一个具有伪先验的基于图的轨迹预测器，TNNLS. [论文]
• 使用地图的双阶段GAN生成大规模GPS轨迹数据，数据科学期刊. [论文] [代码]
• 基于姿态和语义地图的弱势道路使用者轨迹概率预测，IEEE智能车辆汇刊. [论文]
• STI-GAN: 使用时空互动和生成对抗网络进行多模式行人轨迹预测，IEEE Access. [论文]
• 整体LSTM用于行人轨迹预测，TIP. [论文]
• 使用卷积神经网络进行行人轨迹预测，PR. [论文]
• 基于LSTM的轨迹预测模型用于骑行者多重与环境的互动，PR. [论文]
• 使用LSTM模型和GAN进行人类轨迹预测和生成，PR. [论文]
• 使用LSTM模型和GAN进行车辆轨迹预测和生成，Plos one. [论文]
• BiTraP: 具有多模式目标估计的双向行人轨迹预测，RAL. [论文] [代码]
• 一种用于一般高速公路场景的运动学轨迹预测模型，RAL. [论文] [代码]
• 具有车道方向辅助损失的自动驾驶轨迹预测，RAL. [论文]
• 使用具有时间逻辑语法树特征的生成对抗网络进行车辆轨迹预测，RAL. [论文]
• Tra2Tra: 使用全局社会时空注意神经网络的轨迹到轨迹预测，RAL. [论文]
• 社会图卷积LSTM用于行人轨迹预测，IET智能运输系统. [论文]
• HSTA: 用于轨迹预测的分层时空注意模型，IEEE车辆技术汇刊 (TVT). [论文]
• 用于车辆轨迹预测的环境注意网络，TVT. [论文]
• 他们去哪儿了？在人群场景中预测人类行为，ACM多媒体计算、通信与应用汇刊 (TOMM). [论文]
• 具有时空序列融合的多代理轨迹预测，IEEE多媒体汇刊 (TMM). [论文]
• EvolveGraph: 具有动态关系推理的多代理轨迹预测，NeurIPS 2020. [论文]
• V2VNet- 用于联合感知和预测的车对车通信，ECCV 2020. [论文]
• SMART- 同时多代理循环轨迹预测，ECCV 2020. [论文]
• SimAug- 从模拟中学习轨迹预测的稳健表示，ECCV 2020. [论文]
• 学习车道图表示用于运动预测，ECCV 2020. [论文]
• 场景一致运动预测的隐式潜变量模型，ECCV 2020. [论文]
• 通过多模式上下文理解进行丰富和可接受的轨迹预测，ECCV 2020. [论文]
• 行人运动的语义合成，ACCV 2020. [论文]
• 多模式概率运动预测的核轨迹图，CoRL 2019. [论文] [代码]
• Social-WaGDAT: 基于流量图双重注意网络的具互动感知的轨迹预测，2020. [论文]
• Social NCE: 社会感知运动表示的对比学习. [论文], [代码]
• 基于姿态的易受伤害道路使用者轨迹预测，使用循环神经网络，ICPR国际研讨会和挑战2020。[论文]
• EvolveGraph: 使用动态关系推理的多智能体轨迹预测，NeurIPS 2020。[论文]
• 步行者轨迹预测的时空图变换网络，ECCV 2020。[论文]
• 不是旅程而是目的地——基于终点条件的轨迹预测，ECCV 2020。[论文]
• 我如何看到我的未来？FvTraj：使用第一人称视角进行步行者轨迹预测，ECCV 2020。[论文]
• 基于动态和静态上下文感知的LSTM的多智能体运动预测，ECCV 2020。[论文]
• 人群中人类轨迹预测：深度学习视角，2020。[论文][代码]
• SimAug：从3D仿真中学习鲁棒表示以进行步行者轨迹预测在未见过的摄像机中，ECCV 2020。[论文][代码]
• DAG-Net：用于轨迹预测的双注意图神经网络，ICPR 2020。[论文][代码]
• 分离人类动力学以带有噪声监督的步行者运动预测，WACV 2020。[论文]
• 社交-WaGDAT：通过Wasserstein图双重注意网络的相互作用感知轨迹预测，2020。[论文]
• 社交-STGCNN：用于人类轨迹预测的社会时空图卷积神经网络，CVPR 2020。[论文][代码]
• 分叉小径的花园：迈向多未来的轨迹预测，CVPR 2020。[论文][代码/数据集]
• 基于姿态的易受伤害道路使用者轨迹预测，SSCI 2019。[论文]
• Trajectron：使用动态时空图进行概率多智能体轨迹建模，ICCV 2019。[论文][代码]
• STGAT：用于人类轨迹预测的时空交互建模，ICCV 2019。[论文][代码]
• 基于序数回归的单图像中的实例级未来运动估计，ICCV 2019。[论文]
• 拥挤空间中的社会和场景感知轨迹预测，ICCV研讨会2019。[论文][代码]
• 步行者轨迹预测的随机采样模拟，IROS 2019。[论文]
• 使用路径同调聚类的运动轨迹的长期预测，IROS 2019。[论文]
• StarNet：使用星形拓扑进行步行者轨迹预测的深度神经网络，IROS 2019。[论文]
• 学习生成的社会感知模型的步行者运动，IROS 2019。[论文]
• 带有时空注意模型的情景感知步行者轨迹预测，CVWW 2019。[论文]
• 使用物体属性和语义环境进行路径预测，VISIGRAPP 2019。[论文]
• 使用障碍轨迹预测的概率路径规划，CoDS-COMAD 2019。[论文]
• 使用对抗损失进行人类轨迹预测，hEART 2019。[论文][代码]
• 社会方式：使用GANs学习步行者轨迹的多模态分布，CVPR 2019。[预知研讨会][论文][代码]
• 一窥未来：预测视频中人物未来活动和位置，CVPR 2019。[论文][代码]
• 学习推断未来轨迹预测的关系，CVPR 2019。[论文]
• TraPHic：使用加权交互在密集和异构交通中的轨迹预测，CVPR 2019。[论文]
• 你走哪条路？动态场景中的路径预测的模仿决策学习，CVPR 2019。[论文]
• 克服混合密度网络的局限性：多模态未来预测的采样和拟合框架，CVPR 2019。[论文][代码]
• Sophie：用于预测符合社会和物理约束的路径的注意GAN，CVPR 2019。[论文][代码]
• 通过高斯过程动力学模型和步行者活动识别进行步行者路径、姿态和意图预测，2019。[论文]
• 自主街道穿越的多模态交互感知运动预测，2019。[论文]
• 质量即简单：步行者运动预测的恒定速度，2019。[论文]
• 极度拥挤场景中的步行者轨迹预测，2019。[论文]
• Srlstm：朝步行者轨迹预测方向的状态细化LSTM，2019。[论文]
• 步行者轨迹预测的位置-速度注意，WACV 2019。[论文]
• 极度拥挤场景中的步行者轨迹预测，Sensors，2019。[论文]
• 使用谱聚类在图LSTMs中预测道路代理的轨迹和行为，2019。[论文][代码]
• 在车辆-步行者混合场景中的运动轨迹联合预测，ICCV 2019。[论文]
• 在概率轨迹预测情境下分析变化损失，ICCV 2019。[论文]
• 关注关系的未来轨迹预测，ICCV 2019。[论文]
• 可共同学习的自驾车行为和轨迹规划，IROS 2019。[论文]
• 分享即关爱：符合社会规范的自动交叉口协商，IROS 2019。[论文]
• INFER：未来预测的中间表示，IROS 2019。[论文][代码]
• 使用多智能体联合轨迹预测和交通规则进行深度预测性自动驾驶，IROS 2019。[论文]
• 神经轨迹：一种用于自动驾驶汽车的局部状态轨迹学习的神经进化方法，IROS 2019。 [论文]
• 使用多类别LSTM网络进行城市街道轨迹预测，IROS 2019。 [不可用]
• 使用核递归混合密度网络在城市环境中学习方向不确定性的时空模式，IROS 2019。 [论文]
• 用于概率轨迹预测的条件生成神经系统，IROS 2019。 [论文]
• 基于对抗学习的多智能体相互作用感知跟踪和概率行为预测，ICRA 2019。 [论文]
• 通用跟踪和概率预测框架及其在自动驾驶中的应用，IEEE 智能运输系统交易，2019。 [论文]
• 基于贝叶斯生成模型的车辆交互协调和轨迹预测，IV 2019。 [论文]
• 具有运动约束的Wasserstein生成学习，用于概率交互驾驶行为预测，IV 2019。 [论文]
• GRIP：基于图的交互感知轨迹预测，ITSC 2019。 [论文]
• AGen：可适应的自动驾驶生成预测网络，IV 2019。 [论文]
• TraPHic：在高密度和异质交通中使用加权交互的轨迹预测，CVPR 2019。 [论文], [代码]
• 使用递归神经网络的占用网格地图多步预测，CVPR 2019。 [论文]
• Argoverse：具有丰富地图的3D跟踪和预测，CVPR 2019。 [论文]
• 未来车辆定位的稳健不确定性建模，CVPR 2019。 [论文]
• 用于自动驾驶汽车的行人占用预测，IRC 2019。 [论文]
• 基于背景的目标路径预测具有动态变化，2019。 [论文]
• 灵活推理、规划和控制的深度模仿模型，2019。 [论文]
• Infer：用于未来预测的中间表示，2019。 [论文][代码]
• 多智能体张量融合用于上下文轨迹预测，2019。 [论文]
• 城市交叉路口的上下文感知行人运动预测，2018。 [论文]
• 通用概率交互情境识别与预测：从虚拟到现实，ITSC 2018。 [论文]
• 基于修改后的混合粒子滤波器处理遮挡的通用车辆跟踪框架，IV 2018。 [论文]
• 基于动作的多模式周围车辆轨迹预测，2018。 [论文]
• 用于车辆轨迹序列到序列预测的LSTM编码解码架构，2018。 [论文]
• R2P2：用于多样、精确生成路径预测的重参推政策，ECCV 2018。 [论文]
• 使用大规模运动先验预测车辆轨迹，IV 2018。 [论文]
• 通过集成物理与动作方法使用交互多模型的车辆轨迹预测，2018。 [论文]
• 使用深度卷积网络的自动驾驶交通行为预测，2018。 [论文]
• 生成多智能体行为克隆，2018。 [论文]
• 使用辅助信息进行交通预测的深度序列学习，KDD 2018。 [论文], [代码]
• 面对物体混乱环境的交互感知行人运动预测的数据驱动模型，ICRA 2018。 [论文]
• 移动、注意和预测：基于注意力的神经模型用于人群运动预测，模式识别信件 2018。 [论文]
• GD-GAN：用于群体轨迹预测和群体检测的生成对抗网络，ACCV 2018。 [论文], [演示]
• Ss-lstm：用于行人轨迹预测的分层LSTM模型，WACV 2018。 [论文]
• 社会注意力：在人群中建模注意力，ICRA 2018。 [论文][代码]
• 使用深度神经网络通过规划进行行人预测，ICRA 2018。 [论文]
• 使用基于规划的社会力方法共同预测人类运动的长期预测，ICRA 2018。 [论文]
• 在社会分组约束下的人类运动预测，IROS 2018。 [论文]
• 第一人称视频中未来的人物定位，CVPR 2018。 [论文]
• 社会GAN：具有生成对抗网络的社会可接受轨迹，CVPR 2018。 [论文][代码]
• Group LSTM：在人群集中预测组轨迹，ECCV 2018。 [论文]
• Mx-lstm：混合轨迹和视线以共同预测轨迹和头部姿势，CVPR 2018。 [论文]
• 使用堆叠递归神经网络通过运动轨迹预测行人意图，2018。 [论文]
• 交叉路口的可转移行人运动预测模型，2018。 [论文]
• 考虑交通参与者的基于地图的行人运动预测，2018。 [论文]
• 一种计算效率高的行人运动预测模型，ECC 2018。 [论文]
• 情境感知轨迹预测，ICPR 2018。 [论文]
• 考虑形式化交通规则的城市环境中的行人集体预测，ITSC 2018。 [论文]
• 建立先验知识：使用城市环境数据的马尔可夫行人预测模型，ICARCV 2018。 [论文]
• 使用深度信息引导复杂人群场景中的人群计数，2018。 [论文]
• 通过预测跟踪：一个用于多人定位和跟踪的深度生成模型，WACV 2018。 [论文]
• “眼见为实”：使用视觉感兴趣区域进行行人轨迹预测，WACV 2018。 [论文]
• 交通场景中的长期车载人员预测，CVPR 2018。 [论文], [代码+数据]
• 使用深度神经网络编码人群相互作用进行行人轨迹预测，CVPR 2018。 [论文], [代码]
• 通过基于改变点的行为预测算法进行自动驾驶多策略决策，2017。 [论文]
• 自动驾驶车辆的概率长期预测，IV 2017。 [论文]
• 基于占用网格地图的车辆轨迹概率预测通过递归神经网络实现，ITSC 2017。 [论文]
• Desire：通过交互代理在动态场景中进行远距离未来预测，CVPR 2017。 [论文][代码]
• 使用生成对抗网络模仿驾驶员行为，2017。 [论文][代码]
• Infogail: 基于视觉示范的可解释模仿学习, 2017. [论文][代码]
• 短期预测进行长期规划, 2017. [论文]
• 使用圆形分布进行城市场景中的长期路径预测, 2017. [论文]
• 基于深度学习的单张图像视觉路径预测, 2016. [论文]
• 行走在前: 头部社会力模型, 2017. [论文]
• 实时认证的概率行人预测, 2017. [论文]
• 基于多预测器的人类运动预测, ICRA 2017. [论文]
• 使用虚拟博弈进行行人交互动态预测, CVPR 2017. [论文]
• 在人群场景中预测可信路径, IJCAI 2017. [论文]
• 双向预测: 基于双向LSTM分类的行人轨迹预测, DICTA 2017. [论文]
• 激进、紧张还是害羞？从人群视频中识别性格特征, IJCAI 2017. [论文]
• 基于自然视觉方法预测城市环境中的行人行为, ITSC 2017. [论文]
• 使用空间感知的深度注意模型进行人类轨迹预测, 2017. [论文]
• 软+硬线关注: 用于人类轨迹预测和异常事件检测的LSTM框架, 2017. [论文]
• 使用虚拟博弈进行行人交互动态预测, CVPR 2017. [论文]
• 社会LSTM: 拥拥挤空间中的人类轨迹预测, CVPR 2016. [论文][代码]
• 对比和评估用于车辆安全系统的行人运动模型, ITSC 2016. [论文]
• 由年龄和群体驱动的行人行为: 从观察到模拟, 2016. [论文]
• 结构RNN：在时空图上的深度学习, CVPR 2016. [论文][代码]
• 意图感知的长期行人运动预测, ICRA 2016. [论文]
• 基于上下文的自动驾驶城市环境中的行人过街意图检测, IROS 2016. [论文]
• 用于人类运动预测的新型基于规划的算法, ICRA 2016. [论文]
• 学习社交礼仪: 拥挤场景中的人类轨迹理解, ECCV 2016. [论文][代码]
• GLMP-实时行人路径预测使用全球和本地运动模式, ICRA 2016. [论文]
• 场景特定运动预测知识转移, ECCV 2016. [论文]
• STF-RNN：基于时空特征的递归神经网络预测人下一位置, SSCI 2016. [代码]
• 以目标为导向的行人预测, ICCV 2015. [论文]
• 提高行人安全性的轨迹分析和预测：集成框架和评估, 2015. [论文]
• 预测和识别人类在公共空间的互动, 2015. [论文]
• 学习动态行人代理的集体人群行为, 2015. [论文]
• 建模人类运动的时空动态以预测未来轨迹, AAAI 2015. [论文]
• 无监督的机器人学习预测人物运动, ICRA 2015. [论文]
• 用于结合行人意图识别和路径预测的多模型过滤器, ITSC 2015. [论文]
• 非确定、变化意图的实时预测建模和稳健行人避让, 2014. [论文]
• 拥挤环境中预测人类运动的完整框架的行为评估, ICRA 2014. [论文]
• 公共交通中用人工神经网络预测行人轨迹, ICPR 2014. [论文]
• 行人会过马路吗？关于行人路径预测的研究, 2014. [论文]
• BRVO: 使用速度空间推理预测行人轨迹, 2014. [论文]
• 基于上下文的行人路径预测, ECCV 2014. [论文]
• 使用肢体语言特征进行行人路径预测, 2014. [论文]
• 使用非参数回归进行交叉口辅助的在线机动识别和多模式轨迹预测, 2014. [论文]
• 为改进人类运动预测学习意图, 2013. [论文]
• 基于学习行为理解交通参与者之间的相互作用, 2016. [论文]
• 在拥挤移动物体复杂场景中进行视觉路径预测, CVPR 2016. [论文]
• 一种基于博弈论的方法，用于重新规划意识的互动场景预测和规划, 2016. [论文]
• 意图感知的在线POMDP规划用于拥挤中的自动驾驶, ICRA 2015. [论文]
• 使用非参数回归进行交叉口辅助的在线机动识别和多模式轨迹预测, 2014. [论文]
• 贴近未来: 无监督的视觉预测, CVPR 2014. [论文]
• 使用贝叶斯非参数可达树的移动代理轨迹预测, 2011. [论文]

移动机器人

• 通过行人未来运动的概率预测在人群中进行预期导航，ICRA 2021. [论文]
• Social NCE：社交感知运动表示的对比学习。 [论文], [代码]
• 基于多模态概率模型的人机交互规划，ICRA 2018. [论文][代码]
• 使用深度强化学习的去中心化无通信多智能体碰撞规避，ICRA 2017. [论文]
• 用于运动预测的增强字典学习，ICRA 2016. [论文]
• 在动态环境中预测未来的智能体运动，ICMLA 2016. [论文]
• 通过目标未知轨迹预测进行贝叶斯意图推断，IROS 2015. [论文]
• 学习预测协同导航智能体的轨迹，ICRA 2014. [论文]

运动员

• EvolveGraph：具有动态关系推理的多智能体轨迹预测，NeurIPS 2020. [论文]
• 用于轨迹预测和插补的模仿非自回归建模，CVPR 2020. [论文]
• DAG-Net：用于轨迹预测的双重注意力图神经网络，ICPR 2020. [论文] [代码]
• 多智能体运动游戏生成的多样性，CVPR 2019. [论文]
• 从部分观测中随机预测多智能体交互，ICLR 2019. [论文]
• 使用编程弱监督生成多智能体轨迹，ICLR 2019. [论文]
• 生成多智能体行为克隆，ICML 2018. [论文]
• 他们会去哪儿? 使用条件变分自编码器预测细粒度对抗性多智能体运动，ECCV 2018. [论文]
• 协调多智能体模仿学习，ICML 2017. [论文]
• 使用深度分层网络生成长期轨迹，2017. [论文]
• 学习用于动态运动预测的细粒度空间模型，ICDM 2014. [论文]
• 多模式多人的生成建模，2018. [论文]
• 接下来会发生什么? 预测运动视频中运动员移动，ICCV 2017. [论文]

基准和评估指标

• Social-Implicit：重新思考轨迹预测评估及隐式最大似然估计的有效性，ECCV 2022. [论文] [代码]
• OpenTraj：人类轨迹数据集中预测复杂性的评估，ACCV 2020. [论文] [代码]
• 通过模拟感知和预测测试自动驾驶汽车的安全性，ECCV 2020. [论文]
• PIE：一种大规模数据集与模型，用于行人意图估计与轨迹预测，ICCV 2019. [论文]
• 朝着在高度互动驾驶场景中进行概率反应预测的致命性意识基准，ITSC 2018. [论文]
• 我的预测有多好? 找到轨迹预测评估的相似性度量，ITSC 2017. [论文]
• Trajnet: 迈向人类轨迹预测的基准。 [网站]

其他

• 基于姿态的自行车手起始意图检测，ITSC 2019. [论文]
• 使用双向递归神经网络的自行车手轨迹预测，AI 2018. [论文]
• 用于轨迹预测的道路基础设施指标，2018. [论文]
• 利用道路拓扑改进自行车手路径预测，2017. [论文]
• 使用物理模型和人工神经网络预测自行车手轨迹，2016. [论文]