[论文解读] Multimodal Trajectory Prediction Conditioned on Lane-Graph Traversals

Nachiket Deo, Eric M. Wolff+1 more|arXiv (Cornell University)|Jun 28, 2021

Autonomous Vehicle Technology and Safety参考文献 28被引用 16

一句话总结

该论文提出了一种新颖的多模态轨迹预测模型，通过离散策略和潜在变量对学习到的车道图遍历路径进行条件化，以建模纵向变异性。通过基于已遍历路径选择性聚合场景上下文，并使用潜在变量建模运动轨迹，该方法在nuScenes数据集上实现了最先进性能，同时提升了场景符合度和轨迹预测的多样性。

ABSTRACT

Accurately predicting the future motion of surrounding vehicles requires reasoning about the inherent uncertainty in driving behavior. This uncertainty can be loosely decoupled into lateral (e.g., keeping lane, turning) and longitudinal (e.g., accelerating, braking). We present a novel method that combines learned discrete policy rollouts with a focused decoder on subsets of the lane graph. The policy rollouts explore different goals given current observations, ensuring that the model captures lateral variability. Longitudinal variability is captured by our latent variable model decoder that is conditioned on various subsets of the lane graph. Our model achieves state-of-the-art performance on the nuScenes motion prediction dataset, and qualitatively demonstrates excellent scene compliance. Detailed ablations highlight the importance of the policy rollouts and the decoder architecture.

研究动机与目标

• 为解决自动驾驶中不确定性下的多模态轨迹预测挑战。
• 通过利用结构化的高清地图信息，提升场景符合度并减少偏离道路的预测。
• 以解耦方式显式建模横向变异性（路线选择）和纵向变异性（速度/加速度）。
• 通过基于车道图遍历选择性上下文对预测进行条件化，减轻解码器的表征负担。
• 在保持可解释性和场景一致性的同时，实现在nuScenes基准上的最先进性能。

提出的方法

• 模型使用图神经网络将高清（HD）地图和智能体轨迹编码为结构化的车道图表示。
• 采用离散行为克隆策略在车道图上生成概率性轨迹展开，采样出合理的未来遍历路径以作为预测的条件。
• 每个预测均基于对应采样遍历路径的车道图子集进行条件化，从而减少解码器推断相关上下文的需求。
• 从遍历路径中采样并条件化一个潜在变量，以建模纵向变异性，如加速度和速度变化。
• 解码器通过结合已遍历路径和潜在变量，生成多样化且符合场景的轨迹，确保路线和运动轨迹配置的多样性。
• 模型通过结合回归和似然目标的多任务损失进行训练，以优化预测准确性和多样性。

实验结果

研究问题

• RQ1 将轨迹预测条件化于学习到的车道图遍历路径，是否能提升路线多样性与场景符合度？
• RQ2 引入用于纵向运动轨迹配置的潜在变量，是否能增强速度和加速度模式的多样性？
• RQ3 与端到端上下文编码相比，基于遍历路径的上下文选择与潜在变量建模的组合，在预测质量与偏离道路率方面表现如何？
• RQ4 邻近边、智能体-节点注意力机制和GNN层在多大程度上贡献于模型性能？
• RQ5 该模型能否在nuScenes数据集上实现最先进性能，同时保持可解释性与鲁棒性？

主要发现

• 所提模型在nuScenes数据集上实现了最先进性能，最小平均位移误差（MinADE）为1.31 m，漏检率（MissRate）为0.37。
• 与基线相比，该模型显著降低了偏离道路率，其中“Traversals + LV”解码器在所有消融实验中实现了最低的偏离道路率。
• “Traversals + LV”解码器实现了最高的横向多样性，平均具有1.41个不同的终点车道（K=10），并提升了速度与加速度方差的纵向多样性。
• 消融研究显示，遍历路径与潜在变量均至关重要：移除任一成分均导致性能显著下降且多样性减少。
• 仅基于遍历路径的解码器可捕捉路线多样性，但缺乏运动轨迹配置变化；而仅基于潜在变量的解码器可捕捉运动多样性，但无法探索多种路线。
• 该模型在多种场景下定性生成了符合场景的轨迹，包括复杂交叉口和受限路线环境，在这些场景中，它将预测预算用于提升纵向多样性。