摘要

理解人类运动行为是自动驾驶汽车、社交机器人等众多应用场景中的关键任务，尤其在自主智能体需在以人为中心的环境中进行导航的各类情境下尤为重要。这一任务具有挑战性，因为人类运动本质上具有多模态特性：基于过往的运动轨迹，未来人类的运动方式存在多种合理的可能性。此外，人类活动通常由特定目标驱动，例如前往特定位置或与环境互动。为应对上述挑战，本文提出一种新型的循环生成模型，该模型同时考虑单个智能体的未来目标以及不同智能体之间的交互关系。模型采用双注意力机制的图神经网络，以捕捉不同智能体之间的相互影响，并将其与智能体未来潜在目标的信息进行融合。所提出的框架具有较强的通用性，可广泛应用于多种场景，在城市环境与体育运动等不同应用中均取得了当前最优的性能表现。