في عصر يتسم بتقدم الذكاء الاصطناعي، تبرز خوارزمية INTraJ كأداة متطورة لتوقع المسارات. لقد تحولت طرق توقع المسارات نحو صيغ منظمة تتضمن نمذجة اجتماعية واضحة، لكن كانت العديد من الأساليب الحالية تفتقر إلى التمييز الواضح للأدوار الوظيفية للتأثير الاجتماعي في تخطيط المسارات.

تشير الأبحاث إلى أن الوكلاء عادة ما يقومون ببناء خطط حركة عن طريق توقع سلوكيات الآخرين المستقبلية قبل إجراء تعديلات محلية. في هذا السياق، قدم الباحثون INTraJ، وهو إطار موحد يقوم بتفكيك التأثير الاجتماعي إلى مرحلتين رئيسيتين: **مرحلة التخطيط** التي تبني مسارات مرجعية باستخدام المعلومات الاجتماعية المستقبلية، و**مرحلة التفاعل** التي تستعيد التعديلات المحلية بناءً على الفرق بين التوقع الكامل والسياق المرجعي.

تدعم INTraJ كل من نماذج الأهداف المتعددة والأهداف الفردية، وظهرت النتائج في أربعة معايير قياسية بارزة، بما في ذلك Argoverse 2 وETH/UCY. أظهرت التجارب تحسنًا مستمرًا، خاصة في فحص مقياسي FDE والتناسق على المدى الطويل، مع تحقيق أداء متقدم على العديد من الإعدادات. من خلال إعادة توجيه توقع المسارات إلى عملية قائمة على التخطيط من مرحلتين، تؤكد INTraJ على أهمية نمذجة اجتماعية متدرجة لضمان توقعات مستقرة. يمكنكم الوصول إلى الشيفرة المصدرية عبر هذا الرابط: رابط الشيفرة.

ما رأيكم في هذا التطور في خوارزميات الذكاء الاصطناعي؟ شاركونا أفكاركم في التعليقات!