参考博客:https://blog.csdn.net/m0_48100146/article/details/135683444

这篇文章的思路还是很清晰的,直接看图就能看懂

在这里插入图片描述
Modality Embedding Query是可学习的embedding, 类似于multipath++中的query

在这里插入图片描述

除了上述模型结构的特点,还增加了一个辅助判碰撞loss

在这里插入图片描述

目前对这篇论文还存在的疑惑的点:

  1. 每个level的trajectory都要进行监督吗? — 是的,看开源代码是的
  2. Agent Future Mask是怎么做的? — 在每次迭代的时候,将要迭代的障碍物的未来轨迹进行mask掉。防止模型在预测某个智能体未来时,利用到它自己未来的真实信息,保证训练/推理的公平性和泛化能力。

开源代码:https://github.com/MCZhi/GameFormer
请添加图片描述

Logo

中国智能体开发者社区,聚焦智能体与大模型开发,提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动,促进经验交流与协作,助力开发者快速构建创新智能应用。

更多推荐