[论文解读] LaPred: Lane-Aware Prediction of Multi-Modal Future Trajectories of Dynamic Agents

ByeoungDo Kim, Seong Hyeon Park+6 more|arXiv (Cornell University)|Apr 1, 2021

Autonomous Vehicle Technology and Safety参考文献 34被引用 9

一句话总结

LaPred 是一种车道感知的深度学习模型，通过利用实例级车道特征和基于注意力的融合机制，生成多样化且符合车道规则的未来轨迹，从而提升多模态轨迹预测性能。该模型在 nuScenes 和 Argoverse 基准测试中表现优于现有方法，通过显式建模智能体与车道之间的交互关系，在关键指标上达到最先进水平，其性能得益于自监督车道注意力学习机制。

ABSTRACT

In this paper, we address the problem of predicting the future motion of a dynamic agent (called a target agent) given its current and past states as well as the information on its environment. It is paramount to develop a prediction model that can exploit the contextual information in both static and dynamic environments surrounding the target agent and generate diverse trajectory samples that are meaningful in a traffic context. We propose a novel prediction model, referred to as the lane-aware prediction (LaPred) network, which uses the instance-level lane entities extracted from a semantic map to predict the multi-modal future trajectories. For each lane candidate found in the neighborhood of the target agent, LaPred extracts the joint features relating the lane and the trajectories of the neighboring agents. Then, the features for all lane candidates are fused with the attention weights learned through a self-supervised learning task that identifies the lane candidate likely to be followed by the target agent. Using the instance-level lane information, LaPred can produce the trajectories compliant with the surroundings better than 2D raster image-based methods and generate the diverse future trajectories given multiple lane candidates. The experiments conducted on the public nuScenes dataset and Argoverse dataset demonstrate that the proposed LaPred method significantly outperforms the existing prediction models, achieving state-of-the-art performance in the benchmarks.

研究动机与目标

• 为解决在复杂交通环境中为动态智能体预测多样化、上下文合理的未来轨迹的挑战。
• 通过从语义地图中显式引入实例级车道信息，提升轨迹预测的准确性。
• 生成尊重车道约束和交通规则的多模态轨迹样本。
• 通过引入可解释的、基于车道的注意力机制，减少对随机噪声进行模式选择的依赖。
• 通过自监督车道注意力头提升模型的可解释性和性能，以识别目标智能体最可能行驶的车道。

提出的方法

• LaPred 构建每条车道的联合特征，编码目标智能体、邻近智能体与特定车道实例之间的时空关系。
• 通过自监督学习任务训练一个辅助网络，预测目标智能体最可能遵循的车道，从而生成用于特征融合的注意力权重。
• 注意力机制融合来自多个车道候选的特征，优先选择与目标智能体预期路径最相关的车道。
• 模型采用编码器-解码器架构，其中编码器处理历史轨迹和车道特征，解码器生成多模态的未来轨迹假设。
• 与使用 2D 矩阵化地图相比，使用实例级车道可更好地泛化至车道约束行为（如转弯和变道）。
• 基于注意力的软性车道选择机制使模型能够同时考虑多个合理的行驶路径，从而提升预测结果的多样性与真实性。

实验结果

研究问题

• RQ1 实例级车道信息是否能显著提升复杂交通场景下多模态轨迹预测的准确性和真实性？
• RQ2 基于注意力的每车道特征融合机制与基于栅格化或全局特征表示的方法相比，在建模智能体-车道交互方面表现如何？
• RQ3 自监督车道注意力学习在多大程度上提升了预测性能和模型可解释性？
• RQ4 与未显式引入车道监督的基线模型相比，该方法是否能生成更多样化且上下文合理的轨迹模式？
• RQ5 该模型是否能在多样化城市驾驶场景中保持高精度和道路结构合规性，同时具备良好的泛化能力？

主要发现

• LaPred 在 nuScenes 验证集上达到最先进性能，多数指标优于现有方法，包括在多种轨迹采样配置下的 ADE 和 FDE。
• 在 Argoverse 数据集上，LaPred 在 ADE₅、FDE₅、ADE₆、FDE₆ 和 ADE₁₂ 上均取得显著性能提升，表明其在不同场景下具有强大的泛化能力。
• 模型在 K=5 和 K=6 轨迹样本上表现尤为突出，表明其对车道信息的利用在多模态分布建模中达到最优。
• LaPred 生成的轨迹预测严格遵守车道结构，而基线模型常产生不符合车道规则的轨迹。
• 自监督车道注意力头能够以高精度识别最可能的车道，从而同时提升轨迹质量与模型可解释性。
• 与采用硬性车道选择的 MTPLA 相比，LaPred 的软性注意力机制在 ADE₆ 和 FDE₆ 上表现更优，证实了同时考虑多个车道候选的优势。