文章预览
《DeMo: Decoupling Motion Forecasting into Directional Intentions and Dynamic States》这篇论文介绍了一个名为DeMo的框架，它用于提高自动驾驶系统中交通参与者运动预测的准确性。这项工作的核心思想是将多模态轨迹查询解耦为两种类型：模式查询（mode queries）和状态查询（state queries）。模式查询用于捕捉不同的方向意图，而状态查询则跟踪代理（agent）随时间变化的动态状态。通过这种格式，DeMo框架能够分别优化轨迹的多模态性和动态演化特性。 DeMo框架进一步将模式查询和状态查询整合起来，以获得轨迹的全面和详细表示。为了实现这些操作，论文还介绍了结合注意力机制和Mamba技术的方法，用于全局信息聚合和状态序列建模，发挥它们各自的优势。在Argoverse 2和nuScenes基准测试中进行的广泛实验表明，DeMo在运动预测方面达到了最先进的性能。 这篇论文的代码
………………………………
