[论文解读] Convolutional Neural Network for Trajectory Prediction

Nishant Nikhil, Brendan Morris|arXiv (Cornell University)|Sep 3, 2018

Autonomous Vehicle Technology and Safety参考文献 19被引用 6

一句话总结

本文提出了一种轻量级、端到端的卷积神经网络（CNN）用于人类轨迹预测，其在准确率上与最先进的基于LSTM的模型相当，同时速度显著更快。通过利用多输出预测和时空卷积，该模型实现了并行推理并减少了误差累积，因此非常适合计算资源有限的实时机器人应用。

ABSTRACT

Predicting trajectories of pedestrians is quintessential for autonomous robots which share the same environment with humans. In order to effectively and safely interact with humans, trajectory prediction needs to be both precise and computationally efficient. In this work, we propose a convolutional neural network (CNN) based human trajectory prediction approach. Unlike more recent LSTM-based moles which attend sequentially to each frame, our model supports increased parallelism and effective temporal representation. The proposed compact CNN model is faster than the current approaches yet still yields competitive results.

研究动机与目标

• 开发一种计算效率高的轨迹预测模型，适用于在资源受限的机器人上实时部署。
• 解决RNN和LSTM在建模行人轨迹时的局限性，如序列推理和梯度消失问题。
• 探索卷积网络在轨迹预测中进行时间序列建模的潜力，利用时空相关性。
• 证明简单的紧凑型CNN可以在不依赖社交或场景上下文的情况下，实现与复杂、上下文感知的LSTM模型相当的性能。
• 通过多步输出预测实现并行推理，减少自回归模型中常见的误差传播。

提出的方法

• 该模型采用完全卷积的架构，通过多个残差块从观测到的行人轨迹中提取时空特征。
• 同时预测所有未来时间步的未来位置（多输出），避免序列依赖，实现并行推理。
• 将轨迹序列作为1D时空信号处理，应用因果卷积以保持时间顺序并扩展感受野。
• 该架构针对推理速度进行了优化，发现四层卷积层在性能与复杂度之间达到了最佳平衡。
• 未使用任何外部上下文（如社交力、场景图像）；预测仅基于观测到的轨迹历史。
• 模型通过在预测轨迹坐标上使用均方误差损失，进行端到端训练。

实验结果

研究问题

• RQ1 纯卷积架构是否能在性能上与最先进的基于LSTM的模型相媲美？
• RQ2 与自回归序列生成相比，CNN中的多输出预测是否能减少误差累积？
• RQ3 在保持准确率的同时，简单的紧凑型CNN模型是否能在推理速度上超越更复杂的模型？
• RQ4 在缺乏社交或场景上下文的情况下，性能在拥挤环境中的表现如何？
• RQ5 从准确率和效率的角度来看，CNN架构的最佳深度是多少？

主要发现

• 所提出的CNN模型在UNIV数据集上实现了最终平均位移误差（ADE）0.58和最终位移误差（FDE）1.20，优于S-GAN-P，并与SoPhie相当，尽管未使用社交上下文。
• 该模型比S-GAN-P快33.5倍，比S-LSTM快500倍，推理时间仅为0.002秒。
• 四层CNN架构在性能与复杂度之间实现了最佳平衡，因为更深（五层）或更浅（三层）的网络表现更差。
• 多输出预测显著减少了与序列预测相比的误差传播，定性比较显示CNN保持了轨迹稳定性，而类似LSTM的模型则出现轨迹偏移。
• 在密集人群场景中，由于缺乏社交池化，CNN避免了错误的群体运动预测，例如S-GAN-P错误地将朝不同方向移动的行人轨迹合并。
• 即使没有场景或社交上下文，该模型在许多场景中仍表现稳健，但在高度复杂或模糊的场景中性能会下降，此时上下文信息将更具优势。