[论文解读] DiversityGAN: Diversity-Aware Vehicle Motion Prediction via Latent Semantic Sampling

Xin Huang, Stephen G. McGill+5 more|arXiv (Cornell University)|Nov 28, 2019

Autonomous Vehicle Technology and Safety参考文献 68被引用 5

一句话总结

DiversityGAN 提出了一种潜在语义采样方法，通过度量学习构建低维语义空间，从而在自动驾驶中增强轨迹预测能力，实现高效、多样化且准确的车辆运动行为采样。该方法仅使用 2–6 个样本即实现了最先进（SOTA）的预测性能，显著提升了对罕见操作（如变道和转弯）的覆盖度。

ABSTRACT

Vehicle trajectory prediction is crucial for autonomous driving and advanced driver assistant systems. While existing approaches may sample from a predicted distribution of vehicle trajectories, they lack the ability to explore it -- a key ability for evaluating safety from a planning and verification perspective. In this work, we devise a novel approach for generating realistic and diverse vehicle trajectories. We extend the generative adversarial network (GAN) framework with a low-dimensional approximate semantic space, and shape that space to capture semantics such as merging and turning. We sample from this space in a way that mimics the predicted distribution, but allows us to control coverage of semantically distinct outcomes. We validate our approach on a publicly available dataset and show results that achieve state-of-the-art prediction performance, while providing improved coverage of the space of predicted trajectory semantics.

研究动机与目标

• 为解决现有运动预测模型在多样性与覆盖度方面的不足，特别是针对变道和转弯等罕见但关键的驾驶行为。
• 开发一种高效的采样策略，能够在不依赖完整操作分类体系的前提下捕捉语义上不同的结果。
• 通过使规划器能够基于多样化、现实的轨迹假设进行推理，提升自动驾驶中的预测准确性和安全性。
• 构建一个解耦的潜在空间，使语义特征（如转弯、变道等）得以显式建模并可调控。
• 在真实世界的城市驾驶数据集上进行验证，通过定量与定性分析评估覆盖度与准确度。

提出的方法

• 该模型在 GAN 框架基础上扩展出一个解耦的潜在空间，将语义层级的行为与细微的轨迹细节分离。
• 应用度量学习损失来调整语义潜在层，使具有相同高层标签的轨迹在空间中彼此接近，而不同标签的轨迹则被相互推开。
• 采用最远点采样（Farthest Point Sampling, FPS）从潜在空间中选取多样化的轨迹样本，确保覆盖不同的语义模式。
• 生成器网络以地图特征和周围智能体状态作为输入，根据潜在码生成条件化的未来轨迹。
• 判别器负责区分真实轨迹与生成轨迹，以确保输出分布的真实性。
• 通过调节高层潜在向量以优先选择代表性不足的语义行为，实现采样过程中的覆盖度提升，同时不损失分布保真度。

实验结果

研究问题

• RQ1 是否能够构建一个潜在空间，以捕捉如转弯和变道等高层语义行为，而无需预定义的操作分类体系？
• RQ2 与均匀采样相比，最远点采样（FPS）是否能更有效地提升运动预测中多样化轨迹模式的覆盖度？
• RQ3 所提方法是否能在实现最先进预测精度的同时，高效覆盖罕见但对安全至关重要的行为？
• RQ4 所学习的语义潜在空间在多大程度上支持可解释且可控的采样，以服务于规划与验证？
• RQ5 该方法在具有复杂多智能体交互的现实世界城市驾驶数据上的表现如何？

主要发现

• 所提出的 FPS 采样方法仅使用 2–6 个样本，便将 MoN 损失降低了 8%，证明了其在覆盖度方面具有卓越的效率与准确性。
• 与直接采样相比，FPS 采样在小样本数量下对不同操作代码（如转弯、变道、换道）的覆盖度更优。
• 定性结果表明，FPS 能够成功生成罕见但关键的事件（如右转和变道），其生成轨迹与真实轨迹高度匹配，从而提升预测准确性。
• 模型生成的多样化样本包含了低概率但对安全至关重要的行为（如变道），这些行为在自我车辆决策中对碰撞规避至关重要。
• 潜在语义空间被证实具有语义意义，表现为相同操作标签的轨迹在空间中呈现聚集趋势，且不同行为被有效解耦。
• 该方法在 Argoverse 数据集上实现了最先进性能，无论在准确性还是多样性覆盖方面均优于先前方法。