PFP-GIRNet 轨迹预测网络

多船轨迹精准预判

通过伪未来感知门控机制增强历史观测中对潜在非线性操船行为的捕获，为多船轨迹预测提供更明确的操纵线索表征。

Li, Yuan · Yuchen, Zhao · Jiahao, Lv · Yang, Zhang · Kai, Liu · 周凯波

Ocean Engineering 2026

技术优势

意图看得更清

生成伪未来表示并融合历史运动特征，使模型能捕捉潜在的非线性操纵行为，为碰撞预警提供更明确线索。

多图交互更准

通过自适应多图卷积准确表征复杂交互依赖，并用节点级视角注意力融合不同图视角的交互特征。

动态细节兼顾

空间-频谱特征融合模块用小波变换分离高低频特征，平衡全局运动趋势与微观操纵捕获。

应用场景

• 具身智能：将伪未来感知机制嵌入自主航行系统，提升多船会遇时的轨迹预判能力，支撑实时避碰决策。
• 无人机：为无人机集群的协同感知与机动预测提供借鉴，将多图交互与意图建模应用于空域场景。
• 物联网与传感网：可作为边缘智能节点部署于海事物联网中，融合AIS等传感数据实现低延迟轨迹预测与预警。
• 医疗机器人：将时空融合与门控意图建模迁移到手术机器人运动规划，增强对动态组织变形的预测。
• 氢能全产业链：用于氢能运输船舶的航行安全监控，提前预判航线偏离与碰撞风险，保障氢气海上运输安全。