行人轨迹预测中的偏态正态分布建模：解决非对称运动趋势的新方法

本文针对行人轨迹预测中存在的非对称运动趋势，创新性地提出可插拔的偏态正态分布模块。研究通过实证分析指出传统正态分布在表达复杂轨迹分布时的局限性，并理论证明偏态正态分布在几何解释性、多步预测表达能力和不确定性控制方面的优势。该模块在保持计算效率的同时，显著提升了预测精度和轨迹多样性，为自动驾驶和社交导航系统提供了更可靠的轨迹预测解决方案。

　　

亮点

• •
  基于实证证据和理论分析，指出依赖正态分布的生成式轨迹预测方法难以捕捉非对称运动趋势
• •
  提出可学习的即插即用偏态正态模块，使用偏态正态分布及其混合模型处理不对称性问题
• •
  在行人轨迹数据集上的实验表明，该模块能降低累积误差，同时生成不确定性更低、多样性更高的结果

结论与未来工作

本文实证揭示了轨迹分布中的不对称性，并从理论上证明了基于逐步正态性假设的轨迹预测方法表达能力有限。为解决这些问题，我们提出了一个使用偏态正态或偏态正态混合分布建模轨迹的偏态正态模块。理论分析证明了该模块的优势：它为行人的非对称运动提供了清晰的几何解释，能够为多步位移表示更广泛的分布类别，并降低了预测的不确定性。未来工作将探索该模块在更复杂场景中的应用。

作者贡献声明

陈思源： 原创起草、软件、项目管理、方法论、研究、资金获取、形式分析、数据整理、概念化。肖雅婷： 评审编辑、资金获取。王阳涛： 评审编辑。谢彦钊： 评审编辑。朱彤： 评审编辑、资金获取。段瑞： 评审编辑、资金获取、概念化。陈金彪： 评审编辑。

生成式人工智能声明

在本文撰写过程中，作者使用DeepSeek来润色文字。使用该工具后，作者根据需要审查和编辑了内容，并对已发表文章的内容承担全部责任。

利益冲突声明

作者声明不存在已知可能影响本文报告的竞争性财务利益或个人关系。

致谢

本工作得到国家自然科学基金、广东省基础与应用基础研究基金、广州市教育局高校科研项目和广州市政-高校/研究所-企业联合资助项目的支持。