PulseAugur
中
实时 08:53:21
English(EN) Non-Parametric Spatiotemporal Trajectory Prediction via State-Conditioned Transition Sampling

新的无训练轨迹预测方法在准确性上可与Transformer媲美

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的无训练时空轨迹预测方法，其准确性可与拥有5700万参数的Transformer模型相媲美。该新方法构建了历史状态到下一位置对的转移表，并使用乘积核进行检索，无需GPU或学习参数。它在数据稀疏的环境中表现出卓越的性能，即使只有10%的训练数据也能保持稳定，而Transformer模型则会显著退化。 AI

影响 为在资源受限的环境中部署先进的轨迹预测技术提供了一条潜在途径，无需进行广泛的训练。

排序理由 详细介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的无训练轨迹预测方法在准确性上可与Transformer媲美

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Michael Fore, Akshay Jain, Justin Downes, Rohan Pradhan, Duncan Botti ·

    基于状态条件转移采样的非参数时空轨迹预测

    arXiv:2608.14349v1 Announce Type: new Abstract: We present a training-free method for multi-modal trajectory prediction that achieves comparable accuracy to a 57M-parameter transformer while requiring no GPU and zero learned parameters. The method builds a transition table of his…

相关实体

相关话题