提出分层包络对抗域自适应行人轨迹预测方法

2026 年 10 月 16 日，arXiv cs.CV 报道一项面向无线传感器网络（WSN）场景的行人轨迹预测研究，提出 HEADA-LTCTPM 模型。该方法通过包络样本构造机制，把样本扩展为图结构，并引入结合局部与全局策略的对抗域适应模块，以提升 WSN 下行人轨迹预测的精度与鲁棒性。报道称，在 2 个公开数据集上与 6 个基线算法对比，该模型的 ADE 和 FDE 分别降低 17.6% 和 19.1%，时间开销满足实际需求。目前公开的报道中未出现与上述数字、时间或说法相互矛盾的内容，事件进展停留在该方法的提出与实验结果公布阶段。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。