[论文解读] Exploring Dynamic Context for Multi-path Trajectory Prediction

Hao Cheng, Wentong Liao+4 more|arXiv (Cornell University)|Oct 30, 2020

Autonomous Vehicle Technology and Safety参考文献 49被引用 4

一句话总结

该论文提出DCENet，一种用于多路径轨迹预测的新框架，通过自注意力机制建模异构智能体之间的动态空间交互，并利用条件变分自编码器（CVAE）生成多样化、上下文感知的未来轨迹。该方法在Trajnet和inD基准测试中达到最先进性能，展现出在复杂交通场景下卓越的泛化能力和准确性。

ABSTRACT

To accurately predict future positions of different agents in traffic scenarios is crucial for safely deploying intelligent autonomous systems in the real-world environment. However, it remains a challenge due to the behavior of a target agent being affected by other agents dynamically and there being more than one socially possible paths the agent could take. In this paper, we propose a novel framework, named Dynamic Context Encoder Network (DCENet). In our framework, first, the spatial context between agents is explored by using self-attention architectures. Then, the two-stream encoders are trained to learn temporal context between steps by taking the respective observed trajectories and the extracted dynamic spatial context as input. The spatial-temporal context is encoded into a latent space using a Conditional Variational Auto-Encoder (CVAE) module. Finally, a set of future trajectories for each agent is predicted conditioned on the learned spatial-temporal context by sampling from the latent space, repeatedly. DCENet is evaluated on one of the most popular challenging benchmarks for trajectory forecasting Trajnet and reports a new state-of-the-art performance. It also demonstrates superior performance evaluated on the benchmark inD for mixed traffic at intersections. A series of ablation studies is conducted to validate the effectiveness of each proposed module. Our code is available at https://github.com/wtliao/DCENet.

研究动机与目标

• 通过建模真实交通场景中异构智能体之间动态演变的交互关系，提升多路径轨迹预测性能。
• 通过生成多样化社会可接受的未来轨迹，克服确定性预测的局限性。
• 通过双流编码器和基于CVAE的潜在空间表示，增强时空依赖性的建模能力。
• 验证该框架在多样化交通环境（包括混合交通交叉口和共享城市空间）中的有效性与泛化能力。

提出的方法

• 利用自注意力机制，通过将位置、朝向和速度信息编码为随时间演变的动态地图，动态捕捉智能体之间的空间交互。
• 采用两个相同的双流编码器，分别处理观测轨迹和动态空间上下文，学习时间步长之间的时序依赖性。
• 对时序编码器的输出应用全局平均池化，将序列压缩为紧凑的潜在表示。
• 利用条件变分自编码器（CVAE）将组合的空间-时序上下文编码到潜在空间中，条件基于智能体的观测轨迹。
• 通过从学习到的潜在空间采样，生成多条未来轨迹，实现多样化且上下文合理的预测。
• 采用端到端训练方式，使用重构损失和KL散度损失优化轨迹生成质量。

实验结果

研究问题

• RQ1 如何有效建模异构智能体之间的动态空间交互，以提升多路径轨迹预测性能？
• RQ2 与传统的RNN或LSTM方法相比，将自注意力机制集成到轨迹预测中能在多大程度上提升性能？
• RQ3 基于CVAE的生成模块，若以学习到的空间-时序上下文为条件，能否生成多样化且高质量的未来轨迹假设？
• RQ4 DCENet在多样化的真实交通场景（包括复杂交叉口和共享城市空间）中具有怎样的泛化能力？
• RQ5 各组件（自注意力、双流编码器、CVAE）对整体预测性能的贡献如何？

主要发现

• DCENet在Trajnet基准测试中达到最先进性能，在top-1和top-10轨迹预测的ADE和FDE指标上均优于先前方法。
• 在inD基准测试中，DCENet在所有四个交叉口的top-10预测中，ADE和FDE指标均优于对比模型。
• 该模型在多数评估场景中优于S-LSTM、S-GAN和AMENet，尤其在预测交叉口复杂交互方面表现突出。
• 消融实验表明，自注意力模块和双流编码器设计显著提升性能，CVAE模块有效实现了多样化轨迹的生成。
• 模型展现出强大的泛化能力，在未见场景（如混合交通交叉口和行人密集的城市区域）中仍保持高性能。
• 定性结果表明，预测的轨迹集合能准确反映智能体意图与不确定性，最可能的路径在环岛和斑马线等复杂场景中与真实轨迹高度一致。