一种基于库普曼理论和关系推断的多智能体轨迹预测方法和装置

技术特征：
1.一种基于库普曼理论和关系推断的多智能体轨迹预测方法，其特征在于，包括以下步骤：根据给定的多智能体轨迹数据，提取每个智能体的历史轨迹信息；对智能体之间的关系进行显式推断，得到交互关系信息；利用编码器融合历史轨迹信息和交互关系信息，得到历史每个时刻各智能体的koopman编码；利用koopman算子对历史每个时刻各智能体的koopman编码进行时间上的线性演化，得到未来每个时刻各智能体的koopman编码；利用带有全局信息的解码器对未来每个时刻各智能体的koopman编码进行解码，得到各智能体未来的坐标，从而实现轨迹预测。2.根据权利要求1所述的方法，其特征在于，使用lstm网络模型提取每个智能体的所述历史轨迹信息。3.根据权利要求1所述的方法，其特征在于，所述对智能体之间的关系进行显式推断，得到交互关系信息，包括：将每个智能体看作一个顶点，将关系信息刻画为一个随时间变化的动态关系图，智能体i，j之间的关系被表示为一个隐变量假定动态关系图一共有e种不同类型的边，每个类型对应一种特定的交互方式；的计算方式为：node
→
edge：edge
→
node：node
→
edge：其中，node
→
edge表示从顶点到边的信息传播，edge
→
node表示从边到顶点的信息传播；表示第一次点到边传播后每条边的特征向量；表示第一次边到点传播后每条边的特征向量；表示第一次点到边传播时所使用的全连接网络；表示第二次点到边传播时所使用的全连接网络；表示第一次边到点传播所使用的全连接网络；得到的是推断出的智能体i和j在时间t时的关系。4.根据权利要求3所述的方法，其特征在于，所述利用编码器融合历史轨迹信息和交互关系信息，得到历史每个时刻各智能体的koopman编码，包括：融合交互关系信息和历史轨迹信息得到最终的koopman编码得到最终的koopman编码其中，表示的第k维元素；表示一个全连接网络，用两个顶点的特征来计算每条边的第k种类型的边的特征；表示一个全连接网络，用顶点的所有边的特征来计算该顶点的特征。5.根据权利要求1所述的方法，其特征在于，所述利用koopman算子对历史每个时刻各
智能体的koopman编码进行时间上的线性演化，得到未来每个时刻各智能体的koopman编码，包括：使用一个有限维矩阵来近似无穷维的koopman算子，编码器将输入的数据映射到一个隐特征使用koopman算子k来在时间上演化整个系统，对进行线性演化，得到一系列未来的状态6.根据权利要求1所述的方法，其特征在于，所述利用带有全局信息的解码器对未来每个时刻各智能体的koopman编码进行解码，得到各智能体未来的坐标，包括：将每个智能体的lstm特征拼接在一起，通过一个前馈网络进行信息融合，得到全局信息向量，将该全局信息向量和koopman编码拼接后再送入前馈网络解码器，得到各智能体未来的坐标。7.根据权利要求1所述的方法，其特征在于，采用以下损失函数l对所述编码器、所述解码器进行训练：其中，l
recon
表示重建损失函数，用于使编码器和解码器的映射满足循环一致性；l
linear
表示线性限制损失函数，用于确保koopman模型学出一个线性演变的状态空间；l
pred
表示预测损失函数；α，β，γ是权衡各个损失的权重超参数。8.一种采用权利要求1～7中任一权利要求所述方法的基于库普曼理论和关系推断的多智能体轨迹预测装置，其特征在于，包括：编码模块，用于根据给定的多智能体轨迹数据，提取每个智能体的历史轨迹信息，并对智能体之间的关系进行显式推断，得到交互关系信息，然后利用编码器融合历史轨迹信息和交互关系信息，得到历史每个时刻各智能体的koopman编码；线性演化模块，用于利用koopman算子对历史每个时刻各智能体的koopman编码进行时间上的线性演化，得到未来每个时刻各智能体的koopman编码；解码模块，用于利用带有全局信息的解码器对未来每个时刻各智能体的koopman编码进行解码，得到各智能体未来的坐标，从而实现轨迹预测。9.一种电子装置，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行权利要求1～7中任一权利要求所述方法的指令。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，所述计算机程序被计算机执行时，实现权利要求1～7中任一权利要求所述的方法。

技术总结
本发明涉及一种基于库普曼理论和关系推断的多智能体轨迹预测方法和装置。该方法包括：根据给定的多智能体轨迹数据，提取每个智能体的历史轨迹信息；对智能体之间的关系进行显式推断，得到交互关系信息；利用编码器融合历史轨迹信息和交互关系信息，得到历史每个时刻各智能体的Koopman编码；利用Koopman算子对历史每个时刻各智能体的Koopman编码进行时间上的线性演化，得到未来每个时刻各智能体的Koopman编码；利用带有全局信息的解码器对未来每个时刻各智能体的Koopman编码进行解码，得到各智能体未来的坐标。本发明可以有效提取智能体的历史信息和全局信息，相比传统模型具有更好的长时预测能力。有更好的长时预测能力。有更好的长时预测能力。


技术研发人员：王星瀚 穆亚东
受保护的技术使用者：北京大学
技术研发日：2021.08.06
技术公布日：2023/2/17