M3-Former：具有混合专家的多模态变压器，用于长期船舶轨迹预测

arXiv:2609.10559v1 发布类型：新 摘要：为了解决船舶轨迹预测中的行为多模态、有限的语义利用和长期误差积累的挑战，本文提出了 M3-Former，一种由大型语言模型（LLM）增强的多模态轨迹预测框架。所提出的框架将船舶静态属性和导航意图作为长期轨迹建模的语义先验。具体来说，构建了一个统一的多模态表示空间，其中静态语义信息由预训练的LLM编码，并通过自注意力与动态轨迹特征对齐。为了共同捕获全局路线规划和局部运动变化，引入了双粒度专家混合（MoE）架构，其中序列级专家对全局导航趋势进行建模，而令牌级专家则细化细粒度的机动行为。此外，转向加权交叉熵损失旨在缓解稀疏转弯样本的长尾分布，并提高关键机动场景中的预测精度。对现实世界丹麦 AIS 数据集的实验表明，M\textsuperscript{3}-Former 在 1 到 4 小时的预测范围内始终优于最先进的基线。在4小时的预测任务中，与最强基线相比，该方法将平均位移误差（ADE）和最终位移误差（FDE）分别降低了4.4%和5.1%。定性和消融分析进一步验证了语义融合有效减少了长期轨迹漂移，而双粒度 MoE 提高了复杂水道和路线分支场景中的鲁棒性。所提出的框架建立了语义引导的分层预测范例，其中对高级导航意图和局部运动动力学进行联合建模，以实现稳健的长期船舶轨迹预测。