条件信息瓶颈提升车辆轨迹预测抗干扰能力

现有车辆轨迹预测模型在处理周围智能体时，因受到干扰导致预测准确性下降。研究人员通过Shapley归因方法分析发现，当前模型存在不稳定且非因果的决策机制。为了解决这一问题，研究者引入了条件信息瓶颈技术。该方法无需额外监督，即可对特征进行压缩并过滤无用信号。在多数据集及多种架构的实验验证中，该方法有效提升了预测性能及模型对扰动的鲁棒性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。