[论文解读] Discrete Residual Flow for Probabilistic Pedestrian Behavior Prediction

Ajay N. Jain, Sergio Casas+5 more|arXiv (Cornell University)|Oct 17, 2019

Autonomous Vehicle Technology and Safety参考文献 31被引用 13

一句话总结

该论文提出DRF-Net，一种离散残差流网络，将行人运动预测建模为对未来时间步的离散空间概率分布的序列更新，利用卷积神经网络和对数概率空间中的学习流。该方法在大规模城市数据集上实现了在似然性、多模态性和地图感知预测方面的最先进性能，优于基线模型，在捕捉复杂、多模态的行人行为方面表现出高精度和低熵分布。

ABSTRACT

Self-driving vehicles plan around both static and dynamic objects, applying predictive models of behavior to estimate future locations of the objects in the environment. However, future behavior is inherently uncertain, and models of motion that produce deterministic outputs are limited to short timescales. Particularly difficult is the prediction of human behavior. In this work, we propose the discrete residual flow network (DRF-Net), a convolutional neural network for human motion prediction that captures the uncertainty inherent in long-range motion forecasting. In particular, our learned network effectively captures multimodal posteriors over future human motion by predicting and updating a discretized distribution over spatial locations. We compare our model against several strong competitors and show that our model outperforms all baselines.

研究动机与目标

• 为解决确定性与基于采样的运动预测模型在捕捉行人行为长期不确定性方面的局限性。
• 建模反映真实场景交互与目标模糊性的复杂、多模态行人运动分布。
• 通过直接输出空间概率分布而非采样，实现高效、基于成本的自动驾驶车辆规划。
• 利用深度卷积架构，提升场景上下文与地图语义在行人运动预测中的融合。
• 开发一种概率框架，相较于高斯或混合模型，更准确地保持时间依赖性并表达不确定性。

提出的方法

• 模型使用与语义地图对齐的行人历史时空栅格化表示作为深层卷积神经网络的输入。
• 引入离散残差流网络（DRF-Net），在对数概率空间中对未来的空间位置边际概率分布进行序列更新。
• 该方法采用一种离散残差精炼（DRR）头，通过在对数空间中逐时间步的流更新来优化独立预测。
• 引入一种新型的ModePool算子，用于估计预测离散分布中的模态数量，从而支持多模态性评估。
• 模型在离散化空间网格上预测类别分布，避免了昂贵的采样或边缘化操作。
• 该架构通过负对数似然（NLL）损失端到端训练，以优化预测不确定性与分布准确性。

实验结果

研究问题

• RQ1 离散残差流网络能否有效建模高表达性与低熵的多模态行人行为？
• RQ2 与独立或自回归基线模型相比，通过时间序列更新离散化概率分布是否能提升长期运动预测性能？
• RQ3 该模型在多大程度上利用了语义地图信息来引导行人轨迹预测？
• RQ4 与MDNs和Social GAN等最先进模型相比，该方法能否在似然性、位移误差和多模态性方面表现更优？
• RQ5 离散概率表示在多大程度上提升了对安全性敏感的指标，如语义质量比和可行驶区域的召回率？

主要发现

• 与最佳连续混合模型（MDN-8）相比，DRF-Net在负对数似然（NLL）上降低了0.56，表明其预测分布质量显著更优。
• 在大规模真实世界数据集上，该模型在似然性、位移误差、熵和多模态性指标上全面优于所有基线模型。
• DRF-Net生成的低熵、集中化的概率质量与地图多边形高度一致，展现出强大的地图交互能力与空间准确性。
• 在行人过街的所有情况下，模型均100%正确预测了过街行为，优于MDNs和ConvLSTM，后者未能检测到此类动作。
• 在可行驶区域（ROAD、CROSSWALK）上的安全性敏感召回率显著更高，表明其在关键规划场景中表现更优。
• 消融实验表明，采用离散预测与残差流（DRF）的设置在似然性方面表现最佳，优于独立离散预测与连续混合模型。