Buchumschlag

Super Agents and Confounders: Influence of surrounding agents on vehicle trajectory prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jost, Daniel, Paparusso, Luca, Stoll, Martin, Wagner, Jörg, Rajan, Raghu, Bödecker, Joschka
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Revisiting Safe Exploration in Safe Reinforcement learning
von: Eckel, David, et al.
Veröffentlicht: (2024)

Don't double it: Efficient Agent Prediction in Occlusions
von: Rothenhäusler, Anna, et al.
Veröffentlicht: (2026)

Trajectory prediction for heterogeneous agents: A performance analysis on small and imbalanced datasets
von: de Almeida, Tiago Rodrigues, et al.
Veröffentlicht: (2025)

Constrained Reinforcement Learning for Safe Heat Pump Control
von: Zhang, Baohe, et al.
Veröffentlicht: (2024)

Context-Conditional Navigation with a Learning-Based Terrain- and Robot-Aware Dynamics Model
von: Guttikonda, Suresh, et al.
Veröffentlicht: (2023)

Latent Linear Quadratic Regulator for Robotic Control Tasks
von: Zhang, Yuan, et al.
Veröffentlicht: (2024)

The Art of Imitation: Learning Long-Horizon Manipulation Tasks from Few Demonstrations
von: von Hartz, Jan Ole, et al.
Veröffentlicht: (2024)

Assessing behaviour coverage in a multi-agent system simulation for autonomous vehicle testing
von: Franco-Vivo, Manuel
Veröffentlicht: (2025)

Self-supervised learning predicts plant growth trajectories from multi-modal industrial greenhouse data
von: Riesselman, Adam J, et al.
Veröffentlicht: (2025)

Accelerating trajectory optimization with Sobolev-trained diffusion policies
von: Hellard, Théotime Le, et al.
Veröffentlicht: (2026)

Confounding Robust Continuous Control via Automatic Reward Shaping
von: Juliani, Mateo, et al.
Veröffentlicht: (2026)

Can Vehicle Motion Planning Generalize to Realistic Long-tail Scenarios?
von: Hallgarten, Marcel, et al.
Veröffentlicht: (2024)

The Unreasonable Effectiveness of Discrete-Time Gaussian Process Mixtures for Robot Policy Learning
von: von Hartz, Jan Ole, et al.
Veröffentlicht: (2025)

MSG: Multi-Stream Generative Policies for Sample-Efficient Robotic Manipulation
von: von Hartz, Jan Ole, et al.
Veröffentlicht: (2025)

Constrained Reinforcement Learning with Smoothed Log Barrier Function
von: Zhang, Baohe, et al.
Veröffentlicht: (2024)

Beyond Self-Play and Scale: A Behavior Benchmark for Generalization in Autonomous Driving
von: Distelzweig, Aron, et al.
Veröffentlicht: (2026)

A survey on robustness in trajectory prediction for autonomous vehicles
von: Hagenus, Jeroen, et al.
Veröffentlicht: (2024)

Learning-based social coordination to improve safety and robustness of cooperative autonomous vehicles in mixed traffic
von: Valiente, Rodolfo, et al.
Veröffentlicht: (2022)

Streaming Flow Policy: Simplifying diffusion/flow-matching policies by treating action trajectories as flow trajectories
von: Jiang, Sunshine, et al.
Veröffentlicht: (2025)

Risk-anticipatory autonomous driving strategies considering vehicles' weights, based on hierarchical deep reinforcement learning
von: Chen, Di, et al.
Veröffentlicht: (2023)

Real-Time Forecasting of Driver-Vehicle Dynamics on 3D Roads: a Deep-Learning Framework Leveraging Bayesian Optimisation
von: Paparusso, Luca, et al.
Veröffentlicht: (2021)

Perfect Prediction or Plenty of Proposals? What Matters Most in Planning for Autonomous Driving
von: Distelzweig, Aron, et al.
Veröffentlicht: (2025)

Pedestrian Behavior Prediction for Automated Driving: Requirements, Metrics, and Relevant Features
von: Herman, Michael, et al.
Veröffentlicht: (2020)

Spectral Alignment in Forward-Backward Representations via Temporal Abstraction
von: Azad, Seyed Mahdi B., et al.
Veröffentlicht: (2026)

E2R: a Hierarchical-Learning inspired Novelty-Search method to generate diverse repertoires of grasping trajectories
von: Huber, Johann, et al.
Veröffentlicht: (2022)

Competitors-Aware Stochastic Lap Strategy Optimisation for Race Hybrid Vehicles
von: Braghin, Francesco, et al.
Veröffentlicht: (2022)

Physical Simulation for Multi-agent Multi-machine Tending
von: Abdalwhab, Abdalwhab, et al.
Veröffentlicht: (2024)

RL Token: Bootstrapping Online RL with Vision-Language-Action Models
von: Xu, Charles, et al.
Veröffentlicht: (2026)

Learning Multi-agent Multi-machine Tending by Mobile Robots
von: Abdalwhab, Abdalwhab, et al.
Veröffentlicht: (2024)

Safe Imitation Learning of Nonlinear Model Predictive Control for Flexible Robots
von: Mamedov, Shamil, et al.
Veröffentlicht: (2022)

Exploring multimodal implicit behavior learning for vehicle navigation in simulated cities
von: Antonelo, Eric Aislan, et al.
Veröffentlicht: (2025)

Interactive incremental learning of generalizable skills with local trajectory modulation
von: Knauer, Markus, et al.
Veröffentlicht: (2024)

Beyond Features: How Dataset Design Influences Multi-Agent Trajectory Prediction Performance
von: Demmler, Tobias, et al.
Veröffentlicht: (2025)

Autonomous vehicle decision and control through reinforcement learning with traffic flow randomization
von: Lin, Yuan, et al.
Veröffentlicht: (2024)

Automatic AI controller that can drive with confidence: steering vehicle with uncertainty knowledge
von: Kumari, Neha, et al.
Veröffentlicht: (2024)

FlowDrive: moderated flow matching with data balancing for trajectory planning
von: Wang, Lingguang, et al.
Veröffentlicht: (2025)

Information-Theoretic Policy Pre-Training with Empowerment
von: Schneider, Moritz, et al.
Veröffentlicht: (2025)

Agent-Agnostic Centralized Training for Decentralized Multi-Agent Cooperative Driving
von: Yan, Shengchao, et al.
Veröffentlicht: (2024)

Robot Learning with Super-Linear Scaling
von: Torne, Marcel, et al.
Veröffentlicht: (2024)

MSMA: Multi-agent Trajectory Prediction in Connected and Autonomous Vehicle Environment with Multi-source Data Integration
von: Chen, Xi, et al.
Veröffentlicht: (2024)