⼀、课题简介⭐ 基于扩散模型的多智能体轨迹预测方法研究来啦！本课题聚焦于"基于扩散模型的多智能体轨迹预测方法"。多 智能体轨迹预测旨在根据多个交互主体的历史轨迹，预测其未来运动轨迹，这在自动驾驶、智能监控和机器人 导航等场景中至关重要。然而，由于人的行为具有不确定性和多模态性，预测任务十分困难。传统方法通常依 赖循环神经网络、卷积网络或图神经网络建模社会交互，而生成模型（如GAN和CVAE）虽然可以模拟多模态 分布，但效率不高。 扩散模型是一类通过逐步去噪实现复杂分布生成的新型模型，近年来在图像生成等领域取得了重大突破。研究 者发现将扩散模型应用于轨迹预测可以显著提升多模态建模能力。例如，LeapfrogDiffusionModel（LED）采 用可训练的"跳跃"初始化器，减少去噪步骤并实现实时预测，在NBA/NFL/SDD/ETHUCY等数据集上显著提升 精度并加速了19–30倍。MixedGaussianFlow（MGF）通过构建混合高斯先验来更好地匹配未来轨迹的多峰分 布，在UCY/ETH和SDD数据集上达到了最先进性能。此外，Pattern Memory-based Diffusion Model （ ...