论文阅读：M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction

摘要:利用相互作用的代理之间的基本关系，将联合预测问题解耦为边际预测问题。我们提出的M2I方法首先将相互作用的代理人分类为一对影响者和反应者，然后利用边际预测模型和条件预测模型来分别预测影响者和反应者的轨迹。来自相互作用的代理人的预测被结合起来，并根据其联合可能性进行选择。

一、简介：将联合分布近似为边际分布和条件分布的乘积，利用标准边际预测器为影响者生成预测样本，并利用条件预测器根据影响者的未来轨迹为反应者推出未来轨迹。

二、主要流程：

                  1、关系预测器：预测互动代理之间的交互关系。

                  2、鉴于这些关系，预测影响者的未来轨迹。

                  3、然后根据每个影响者的预测，预测反应者的反应行为。

                  4、一个样本选择器来选择一组有代表性的联合预测样本

        由于驱动交互中的因果关系仍然是一个开放的问题[39]，我们根据启发式方法预先标记影响者与反应者的关系，并提出一个关系预测器，在推理时对交互关系进行分类。

在relation predictor的过程中，就输出两者的应交互类型和交互概率，并给交互参与者标签，即谁是influencer谁是reactioner。

三、详述

       1、 输入是X=（M,S），包括地图信息M和在一定场景下的所有的agent的状态S