Awesome-Interaction-Aware-Trajectory-Prediction

一页看全轨迹预测前沿论文，省去大海捞针

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 308 🐛 待处理 2 👀 关注 59

GitHub ↗

GitHub 星标 ★ 1696

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源免费资源列表

项目预览

Awesome-Interaction-Aware-Trajectory-Prediction 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类计算机视觉

开发团队jiachenli94

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

定价模式🏷️完全免费

价格说明开源免费资源列表

访问状态🔧 仅开源项目，无在线服务，需自行部署

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★ 1696

上线时间2019-07-15 00:00:00

代码更新2026-08-24

仓库体积459 KB

本站数据更新2026-11-03

维护状态维护中

收录时间2026-09-17

浏览次数1

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-17 · 当前星标 ★ 1696

技术标签

artificial-intelligence autonomous-driving autonomous-vehicles computer-vision deep-learning

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

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
```