一种基于生成对抗网络连续学习的轨迹预测方法

本发明提供一种基于生成对抗的连续学习算法进行行人轨迹预测的方法，属于连续学习技术领域。本发明提出了一种新型的用于轨迹预测的持续学习框架。该框架首先构建了基于生成对抗架构的轨迹预测基础模型；其次实现了改进的弹性权重巩固(EWC)机制，将最小遗忘率降至0.56％；同时设计了动态经验回放策略，通过重要性采样机制选择典型样本进行回放学习，使模型在25轮内即可完成收敛；最后采用自适应学习率调节策略，动态平衡各模块损失函数。该方法大大缓解了传统轨迹预测模型在连续学习过程中的灾难性遗忘问题，突破了现有方法在多场景轨迹预测中知识迁移受限的瓶颈，提升了模型在连续学习环境下的抗遗忘能力和泛化能力。