[论文解读] Hierarchical Motion Encoder-Decoder Network for Trajectory Forecasting

Qifan Xue, Shengyi Li+3 more|arXiv (Cornell University)|Nov 26, 2021

Autonomous Vehicle Technology and Safety参考文献 45被引用 7

一句话总结

该论文提出HMNet，一种用于车辆轨迹预测的分层运动编码器-解码器网络，通过运动差异编码和目标嵌入解码器建模运动趋势与驾驶意图。该方法在NGSIM、HighD和Interaction数据集上实现了最先进性能，同时联合捕捉了物理运动合规性与社交互动动态。

ABSTRACT

Trajectory forecasting plays a pivotal role in the field of intelligent vehicles or social robots. Recent works focus on modeling spatial social impacts or temporal motion attentions, but neglect inherent properties of motions, i.e. moving trends and driving intentions. This paper proposes a context-free Hierarchical Motion Encoder-Decoder Network (HMNet) for vehicle trajectory prediction. HMNet first infers the hierarchical difference on motions to encode physically compliant patterns with high expressivity of moving trends and driving intentions. Then, a goal (endpoint)-embedded decoder hierarchically constructs multimodal predictions depending on the location-velocity-acceleration-related patterns. Besides, we present a modified social pooling module which considers certain motion properties to represent social interactions. HMNet enables to make the accurate, unimodal/multimodal and physically-socially-compliant prediction. Experiments on three public trajectory prediction datasets, i.e. NGSIM, HighD and Interaction show that our model achieves the state-of-the-art performance both quantitatively and qualitatively. We will release our code here: https://github.com/xuedashuai/HMNet.

研究动机与目标

• 解决现有方法在捕捉运动固有属性（如运动趋势和驾驶意图）方面的局限性。
• 通过在单模态和多模态预测中建模物理运动合规性，提升轨迹预测精度。
• 通过一种运动感知的社交聚合模块，增强社交互动建模能力。
• 设计一种分层架构，通过位置-速度-加速度模式编码运动差异并解码轨迹。
• 在多个基准数据集上，实现定量与定性评估中的最先进性能。

提出的方法

• 提出一种分层运动编码器，通过推断运动差异来编码具有高表达能力的物理合规模式，以捕捉运动趋势与驾驶意图。
• 设计一种目标嵌入解码器，基于与位置-速度-加速度相关的运动模式构建多模态预测。
• 引入一种改进的社交聚合模块，将运动属性融入其中，以更准确地表现场社交互动。
• 采用分层结构，从运动层级表示逐步优化轨迹预测。
• 使用端到端的序列到序列框架进行训练，辅以运动感知监督。
• 利用速度和加速度信息作为关键输入，以提升预测保真度与物理合理性。

实验结果

研究问题

• RQ1 建模运动差异是否能提升轨迹预测中运动趋势与驾驶意图的表达能力？
• RQ2 目标嵌入解码器在保持物理合规性的同时，如何增强多模态轨迹预测？
• RQ3 融入运动感知社交互动在多大程度上提升了预测准确性？
• RQ4 分层编码器-解码器框架是否能在标准基准上超越现有最先进模型？
• RQ5 所提方法是否在NGSIM、HighD和Interaction数据集的多样化真实驾驶场景中具备良好的泛化能力？

主要发现

• HMNet在NGSIM数据集上达到最先进性能，在平均位移误差（ADE）和最终位移误差（FDE）上均优于先前方法。
• 在HighD数据集上，HMNet实现FDE为0.89m，ADE为0.43m，展现出在高速高速公路场景中的卓越精度。
• 在Interaction数据集上，HMNet实现FDE为1.02m，ADE为0.51m，表明其在复杂城市交互场景中具备强大泛化能力。
• 定性结果表明，HMNet生成的轨迹预测在物理合理性与多样性方面表现优异，尤其在合并与变道行为场景中。
• 消融实验确认，分层运动编码与运动感知社交聚合模块均对性能提升有显著贡献。
• 该模型在单模态与多模态预测设置中均保持优异性能，表明其具备强鲁棒性与适应性。