Zespół naukowców opracował M3-Former, nowy model transformerowy do przewidywania trajektorii statków, który łączy informacje wielomodalne za pomocą dużych modeli językowych. System ma na celu rozwiązanie trzech kluczowych problemów w predykcji ruchu jednostek morskich: obsługę wielomodowych zachowań, lepsze wykorzystanie danych semantycznych oraz redukcję akumulacji błędów na długich horyzontach czasowych.
Architektura modelu opiera się na unifikowanej przestrzeni reprezentacji multimodalnej, gdzie statyczne informacje semantyczne - takie jak atrybuty statku - są kodowane przez wstępnie trenowany model językowy i wyrównywane z dynamicznymi cechami trajektorii. Kluczową innowacją jest dual-granularity architektura Mixture-of-Experts, gdzie eksperci na poziomie sekwencji modelują globalne trendy nawigacyjne, a eksperci na poziomie tokenów dostrajają precyzyjne zachowania manewrowania. Dodatkowo wprowadzono specjalnie zaprojektowaną Steering-Weighted Cross-Entropy loss, która łagodzi problemy rzadkich próbek skrętów i poprawia dokładność w krytycznych scenariuszach manewrowania.
W testach na rzeczywistych danych z duńskiego systemu AIS model M3-Former konsekwentnie przewyższył istniejące rozwiązania na wszystkich horyzontach predykcji od 1 do 4 godzin. W 4-godzinnym zadaniu predykcji metoda zmniejszyła Average Displacement Error o 4,4 procent i Final Displacement Error o 5,1 procent w porównaniu z najlepszymi dotychczasowymi metodami. To ma znaczenie praktyczne dla bezpieczeństwa żeglugi i optymalizacji tras morskich.