ViTE: Neuer Ansatz für Fußgängertrajektorien mit virtuellen Graphen

Die Vorhersage von Fußgängertrajektorien ist entscheidend für die Sicherheit autonomer Fahrzeuge, Überwachungssysteme und die Stadtplanung. Während frühere Modelle vor allem auf direkte, ein‑Schritt‑Beziehungen setzten, versuchen neuere Ansätze, hochgradige Interaktionen durch mehrere Graph Neural Network (GNN) Schichten zu erfassen.

Diese Vorgehensweise steht jedoch vor einem grundlegenden Dilemma: Zu wenige Schichten führen zu einem zu kleinen Erfassungsbereich, während zu viele Schichten enorme Rechenkosten verursachen. Ein effektives Modell sollte daher sowohl explizite Ein‑Schritt‑Interaktionen als auch implizite, hochgradige Abhängigkeiten adaptiv modellieren können, ohne ausschließlich auf tiefe Architekturen zu setzen.

Vor diesem Hintergrund wurde ViTE (Virtual graph Trajectory Expert Router) entwickelt. Das System kombiniert zwei zentrale Module: einen Virtual Graph, der dynamische virtuelle Knoten einführt, um langfristige und hochgradige Interaktionen ohne tiefe GNN‑Stacks zu modellieren, und einen Expert Router, der mithilfe eines Mixture‑of‑Experts‑Designs die passenden Interaktions‑Experten anhand des sozialen Kontexts auswählt. Diese Kombination ermöglicht eine flexible und skalierbare Analyse unterschiedlicher Interaktionsmuster.

In Experimenten auf den Benchmarks ETH/UCY, NBA und SDD zeigte ViTE konsequent den aktuellen Stand der Technik. Die Ergebnisse bestätigen nicht nur die Wirksamkeit des Ansatzes, sondern auch seine praktische Effizienz, was ViTE zu einer vielversprechenden Lösung für die Fußgängertrajektorien‑Vorhersage macht.