一种基于元学习的轨迹预测模型的训练方法及装置

本发明提供一种基于元学习的轨迹预测模型训练方法及装置，方法包括：获取至少一个目标场景的轨迹数据并构建元任务，并划分为多个域偏移组；在训练过程中的任意一个当前训练轮次，针对每个域偏移组，基于元任务的训练数据，调用轨迹预测模型依次执行域偏移组中的元任务，得到执行元任务的目标损失函数并在域偏移组内进行梯度传播，更新得到域偏移参数；根据每个域偏移组的域偏移参数更新轨迹预测模型在当前训练轮次中的原始模型参数，得到最终模型参数。通过本申请，解决现有技术中轨迹预测模型在实际应用中仍对训练时使用的特定源域数据存在过度依赖，跨场景的泛化能力差，在预测未遇到过的新目标域数据时导致预测性能下降的技术问题。