Awesome-Interaction-Aware-Trajectory-Prediction

一页看全轨迹预测前沿论文，省去大海捞针

这是一个聚焦交互感知轨迹预测（Interaction-Aware Trajectory Prediction）的精选资源合集，主要服务于自动驾驶、机器人导航与行为分析领域。项目以论文清单形式，系统整理了该方向的前沿研究材料，涵盖车辆、行人、骑行者等交通参与者的未来轨迹预测方法。核心价值在于把分散在各大会议与期刊中的相关工作集中归类，方便研究者快速定位经典与最新成果，减少重复检索成本。内容通常按数据集、方法类别（如基于图神经网络、Transformer、扩散模型等）、评测指标等维度组织，并附带论文链接与代码入口。对于刚进入该方向的学生或工程师，它可作为文献调研起点；对于资深研究者，也能用来追踪领域动态。项目本身不提供可运行代码或模型，而是以索引和综述性质的知识库形态存在，依赖社区持续更新维护。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1692

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队jiachenli94

所属国家

官网地址

GitHubhttps://github.com/jiachenli94/Awesome-Interaction-Aware-Trajectory-Prediction

定价模式free

价格说明开源免费资源列表

访问状态

是否开源是

开源协议MIT

主要语言TeX

技术栈/模型artificial-intelligence,autonomous-driving,autonomous-vehicles,behavior-analysis,behavior-prediction,computer-vision,deep-learning,human-trajectory-prediction,machine-learning,motion-prediction,multiagent-learning,multiagent-systems,paper,path-predictions,pedestrian-trajectories,social-interactions,traffic,trajectory-generation,trajectory-prediction,vehicle-trajectory

GitHub 星标★ 1692

30天Star增速

HF 下载量

上线时间2019-07-15 00:00:00

最近更新2026-09-15 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-17

浏览次数0

使用教程

难度：入门约 10 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

一台可联网的电脑，能访问 GitHub
已安装 git 命令行工具
能阅读 Markdown 文件的编辑器或浏览器
具备基础英文阅读能力（清单内容以英文论文标题为主）

安装与启动步骤

1克隆资源仓库

README 未给出安装命令，此步为获取资料清单的通用准备动作，将仓库下载到本地便于离线检索。
```
git clone https://github.com/jiachenli94/Awesome-Interaction-Aware-Trajectory-Prediction
```
2进入项目目录

克隆完成后进入仓库根目录，里面主要是 README 等文本文件，无需编译或安装依赖。
```
cd Awesome-Interaction-Aware-Trajectory-Prediction
```
3阅读 README 清单

README 按数据集、论文、公开代码等维度整理轨迹预测资源，可从头浏览或按章节跳转。
```
cat README.md
```
4按关键词检索

用编辑器或命令行在 README 中搜索图神经网络、Transformer、扩散模型等关键词，快速定位方法。
```
grep -in "transformer" README.md
```
5定期更新清单

README 标注仍在持续更新，隔一段时间拉取一次可获得最新论文与代码入口。
```
git pull
```

关键配置

配置项	必填	说明	示例
`git`	是	用于克隆和更新该资源仓库，无此工具无法获取本地副本	`git --version`

如何确认成功

本地出现 Awesome-Interaction-Aware-Trajectory-Prediction 目录，且 README.md 能正常打开并看到论文与数据集清单。

常见问题

Q：这个项目可以直接运行出预测结果吗？

A：不能。它是轨迹预测方向的精选资源清单，只包含数据集、博客、论文和公开代码的索引，本身不提供可执行的预测程序。

Q：怎么找到某篇论文的代码？

A：README 中的条目通常附带论文链接与代码入口，按方法类别或数据集章节找到对应论文后，点开其中的代码链接即可。

Q：如何向清单贡献新资源？

A：维护者说明可以提交 pull request 添加新资源，或直接发邮件与其讨论，邮箱为 jiachen_li@stanford.edu 等。

Q：使用这个清单需要引用吗？

A：若该仓库对你的研究有帮助，README 提供了 EvolveGraph 与 Conditional Generative Neural System 等工作的 BibTeX，可按需引用。

注意事项

README 没有提供任何安装、运行或配置说明，本教程步骤均为获取与阅读清单的通用动作
该项目为文献索引类仓库，不涉及模型权重、依赖包或服务端口
仓库标注仍在更新（Still updating），建议定期执行 git pull 同步最新内容
README 中另给出强化学习与决策规划方向的同类资源仓库链接，可按需一并查阅

核心亮点

按交互感知与轨迹预测主题系统归类，覆盖自动驾驶、行人、骑行者等多类目标
集中收录论文链接与代码入口，便于从文献直接跳到复现实现
以清单形式持续跟踪领域新工作，适合作为调研起点和动态追踪工具

不足之处

项目本身不含可运行代码或预训练模型，无法直接用于实验或部署
内容更新依赖维护者人工整理，时效性和覆盖完整度存在波动

适用场景

研究生或算法工程师入门自动驾驶轨迹预测方向时做文献综述
团队技术选型前快速对比不同交互建模方法的代表性工作
撰写论文时查找相关数据集、评测指标与基线方法引用

替代项目

awesome-autonomous-driving、Trajectory-Prediction-Papers、awesome-trajectory-prediction

项目介绍

Awesome-Interaction-Aware-Trajectory-Prediction 是一个计算机视觉领域的开源项目，官方简介：A selection of state-of-the-art research materials on trajectory prediction。项目使用 TeX 开发，在 GitHub 上获得 1692 星标。

上一篇：uniface

下一篇：ccv