Tag · 14 篇
轨迹预测
WOD-E2E：面向挑战性长尾场景端到端驾驶的Waymo开放数据集
WOD-E2E: Waymo Open Dataset for End-to-End Driving in Challenging Long-tail Scenarios
为视觉端到端驾驶提供了聚焦长尾场景的基准与基于人类偏好评分的开放环指标 RFS，可用于评估轨迹预测在罕见场景下的多模态合理性，替代传统距离指标。
W2W：基于语言模型与强化学习的轨迹预测
W2W: Language-Model-Based Trajectory Prediction with Reinforcement Learning
把行人轨迹与交互线索（同行/跟随/障碍）转成可解析文本提示，再用 T5-Small 两阶段训练（交叉熵监督微调 + 以 ADE 与越野惩罚为奖励的强化学习）做轨迹预测；对做视觉时序预测的人，这是一个可复用的「语言模型 + RL 奖励约束」范式，尤其适合把场景约束写进奖励函数而非损失函数。
SHARP：面向运动预测中精准鲁棒预测的短窗口流式方法
SHARP: Short-Window Streaming for Accurate and Robust Prediction in Motion Forecasting
面向视觉感知的自动驾驶系统，提供了一种实例感知的上下文流式机制：在推理过程中增量维护并更新每个智能体的潜变量表示，使模型在观测窗口长度不一致时仍能保持预测精度；该机制可直接迁移到在线感知与跟踪的时序特征维护中。
ResAD：面向端到端自动驾驶的归一化残差轨迹建模
ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving
把轨迹预测从直接回归改为「惯性参考 + 残差」的建模方式，并用逐点归一化重新加权损失，可直接迁移到任何需要长时程、非均匀误差敏感度的轨迹/位姿序列回归任务（如行人轨迹预测、视频中的运动预测）。
先恢复再预测：面向变长轨迹预测的渐进式回溯学习
Recover to Predict: Progressive Retrospective Learning for Variable-Length Trajectory Prediction
针对变长/不完整观测下的轨迹预测，用级联回溯单元逐步把不完整观测特征对齐到完整观测特征，并以滚动起点训练提升数据效率；该「由短到长渐进恢复」思路可迁移到任何存在观测缺失的时序视觉预测任务。
RAG-TP：基于检索增强生成的车辆轨迹预测通用框架
RAG-TP: A General Framework for Vehicle Trajectory Prediction via Retrieval-Augmented Generation
把轨迹预测从依赖在线感知先验改为从结构化知识库检索历史经验，并用检索驱动的 MoE 加交叉注意力做动态融合；对做自动驾驶预测、以及想把 RAG 思路引入视觉时序任务的人，这是一个可复用的「离线知识库 + 推理时检索」范式。
近处感知、远处推理：面向自动驾驶的连贯长时序轨迹预测
Perceiving the Near, Reasoning the Distant: Coherent Long-Horizon Trajectory Prediction for Autonomous Driving
将长时序轨迹预测按近端/远端解耦为两条专用解码通路，并用运动学感知的一致性损失约束航向演化，这一「分阶段解码 + 运动学先验损失」思路可直接迁移到行人轨迹预测、视频中物体未来运动预测等需要长时序物理合理性的任务。
Paparazzo：运动三维目标的主动建图
Paparazzo: Active Mapping of Moving 3D Objects
把「主动视角规划」引入动态目标的三维重建：用无学习的方式预测目标轨迹并挑选信息量最大的观测视角，可直接用于无人机/机器人对运动物体的在线建图与扫描。
HybridDriveVLA：面向自动驾驶的视觉思维链推理与思维树评估的视觉-语言-动作模型
HybridDriveVLA: Vision-Language-Action Model with Visual CoT reasoning and ToT Evaluation for Autonomous Driving
将视觉思维链（V-CoT）用于预测未来场景作为目标，并结合思维树（ToT）对候选轨迹从安全、进度、舒适度多维度评分，为自动驾驶中的轨迹规划提供可解释的推理框架。
FoSS：通过傅里叶-状态空间融合建模轨迹预测中的长程依赖与多模态不确定性
FoSS: Modeling Long-Range Dependencies and Multimodal Uncertainty in Trajectory Prediction via Fourier-State Space Integration
用离散傅里叶变换把轨迹拆成幅值（全局意图）与相位（局部变化）两支，再用线性复杂度的选择性状态空间模型（Coarse2Fine-SSM、SpecEvolve-SSM）替代二次复杂度的注意力，为多智能体轨迹预测提供了一条兼顾长程依赖与效率的可复用范式。
EventDrive：面向视觉-语言驾驶智能的事件相机
EventDrive: Event Cameras for Vision-Language Driving Intelligence
将事件相机异步流与RGB帧通过多尺度事件金字塔和模态路由混合专家融合，为视觉语言模型提供高时序精度和运动感知，可借鉴到需要低延迟、高动态范围的多模态推理任务中。
扩散强制规划器：面向自动驾驶的历史退火规划与时变引导
Diffusion Forcing Planner: History-Annealed Planning with Time-Dependent Guidance for Autonomous Driving
把扩散模型的分段独立噪声水平与 CFG 结合，用退火历史作为引导信号来抑制时序抖动；做端到端轨迹生成或视频/序列预测的研究者可借鉴这种「历史段与未来段联合去噪」的异构扩散设定。
Den-TP：面向轨迹预测的密度均衡数据筛选与评测框架
Den-TP: A Density-Balanced Data Curation and Evaluation Framework for Trajectory Prediction
把「场景密度」当作与数据集无关的交互复杂度代理，用梯度子模选择做密度均衡的数据子集筛选，并配套密度条件评测协议；做自动驾驶轨迹预测或任何长尾感知任务的人可以直接借用这套数据筛选与分桶评测思路，暴露被平均误差掩盖的高密度失效模式。
AutoTraces：基于多模态大语言模型的自回归轨迹预测
AutoTraces: Autoregressive Trajectory Forecasting via Multimodal Large Language Models
把连续物理坐标离散化为 token 接入 LLM 自回归解码，并用多模态 LLM 自动生成时空推理思维链，这套「坐标分词 + 自动 CoT」可迁移到人体轨迹预测、视觉导航等需要输出连续几何序列的视觉任务。