[论文解读] LaneRCNN: Distributed Representations for Graph-Centric Motion Forecasting

Wenyuan Zeng, Ming Liang+2 more|arXiv (Cornell University)|Jan 17, 2021

Autonomous Vehicle Technology and Safety被引用 11

一句话总结

LaneRCNN 提出了一种以图为中心的运动预测模型，通过使用与参与者相关的车道区域（LaneRoI）表示来编码局部地图拓扑结构和历史轨迹，借助全局车道图实现地图感知的、分布式的交互建模。该方法在 Argoverse 基准测试中取得最先进性能，在排行榜上位列第一，显著优于先前方法。

ABSTRACT

Forecasting the future behaviors of dynamic actors is an important task in many robotics applications such as self-driving. It is extremely challenging as actors have latent intentions and their trajectories are governed by complex interactions between the other actors, themselves, and the maps. In this paper, we propose LaneRCNN, a graph-centric motion forecasting model. Importantly, relying on a specially designed graph encoder, we learn a local lane graph representation per actor (LaneRoI) to encode its past motions and the local map topology. We further develop an interaction module which permits efficient message passing among local graph representations within a shared global lane graph. Moreover, we parameterize the output trajectories based on lane graphs, a more amenable prediction parameterization. Our LaneRCNN captures the actor-to-actor and the actor-to-map relations in a distributed and map-aware manner. We demonstrate the effectiveness of our approach on the large-scale Argoverse Motion Forecasting Benchmark. We achieve the 1st place on the leaderboard and significantly outperform previous best results.

研究动机与目标

• 为解决单向量编码在运动预测中的局限性，该方法无法保留空间结构和地图结构。
• 以地图感知的方式建模参与者之间的交互，避免在全连接交互图中采用过度简化的假设。
• 通过在输出参数化中引入车道拓扑作为归纳偏置，提升轨迹预测的准确性。
• 通过局部化的车道图区域（LaneRoI）实现更丰富、更分布式的参与者上下文表征。

提出的方法

• 该模型为每个参与者构建一个 LaneRoI，通过沿相关车道嵌入节点，其中每个节点编码局部运动和地图语义信息。
• 专用编码器处理每个 LaneRoI，生成节点级别的嵌入表示，以保留细粒度的空间和拓扑信息。
• 将参与者表示投影到共享的全局车道图中，实现重叠或交互的 LaneRoI 区域之间的高效消息传递。
• 交互模块使用可学习的图算子在 LaneRoI 节点之间传播信息，同时引入捷径机制，沿参与者历史轨迹聚合特征，以增强感受野。
• 通过将 LaneRoI 中的节点作为锚点，以全卷积方式预测未来轨迹，输出参数化基于车道结构。
• 解码头通过从车道图上的预测位置回归生成完整轨迹，确保输出与地图一致。

Figure 1 : Popular motion forecasting methods encode actor and its context information into a feature vector, and treat it as a node in an interaction graph. In contrast, we propose a graph-based representation LaneRoI per actor, which is structured and expressive. Based on it, we model interactions

实验结果

研究问题

• RQ1 基于图的、分布式的参与者上下文表征是否能超越单向量编码，在运动预测中实现更优性能？
• RQ2 通过共享的全局车道图实现地图感知的交互建模，相比全连接图，能否显著提升预测准确性？
• RQ3 将车道图作为未来轨迹的参数化方式，在多大程度上能减少不切实际或偏离道路的预测？
• RQ4 轨迹感知的捷径机制对特征传播和模型性能有何影响？

主要发现

• LaneRCNN 在 Argoverse 运动预测排行榜中位列第一，显著超越此前的最先进方法。
• 该模型在复杂场景下表现出优越的泛化能力，包括弯道、交叉路口和障碍物避让场景，能生成准确的多模态预测。
• 所提出的捷径机制通过沿参与者历史轨迹聚合特征，相比全局平均池化或中心点池化，带来显著的性能提升。
• 消融实验表明，通过全局车道图实现的地图感知交互优于全连接图神经网络（GNN）和注意力机制，即使后者的模型容量相当。
• 定性结果表明，LaneRCNN 生成的轨迹与地图一致，包括转弯和变道操作的合理速度。
• 该方法能有效捕捉真实驾驶行为，如礼让、超车以及在交叉路口附近的速度调节。

Figure 2 : Overview of LaneRCNN. It first encodes each actor with our proposed LaneRoI representation, processes each LaneRoI with an encoder, and then models interactions among actors with a graph-based interactor. Finally, LaneRCNN predicts final positions of actors in a fully-convolutional manner