[论文解读] Social-WaGDAT: Interaction-aware Trajectory Prediction via Wasserstein Graph Double-Attention Network

Jiachen Li, Hengbo Ma+2 more|arXiv (Cornell University)|Feb 14, 2020

Autonomous Vehicle Technology and Safety参考文献 50被引用 52

一句话总结

Social-WaGDAT 提出了一个面向交互的多智能体轨迹预测器，使用基于 Wasserstein 的生成模型和图双注意力网络来捕捉时空关系，并在行人和车辆上进行验证，配有一个运动学约束层。

ABSTRACT

Effective understanding of the environment and accurate trajectory prediction of surrounding dynamic obstacles are indispensable for intelligent mobile systems (like autonomous vehicles and social robots) to achieve safe and high-quality planning when they navigate in highly interactive and crowded scenarios. Due to the existence of frequent interactions and uncertainty in the scene evolution, it is desired for the prediction system to enable relational reasoning on different entities and provide a distribution of future trajectories for each agent. In this paper, we propose a generic generative neural system (called Social-WaGDAT) for multi-agent trajectory prediction, which makes a step forward to explicit interaction modeling by incorporating relational inductive biases with a dynamic graph representation and leverages both trajectory and scene context information. We also employ an efficient kinematic constraint layer applied to vehicle trajectory prediction which not only ensures physical feasibility but also enhances model performance. The proposed system is evaluated on three public benchmark datasets for trajectory prediction, where the agents cover pedestrians, cyclists and on-road vehicles. The experimental results demonstrate that our model achieves better performance than various baseline approaches in terms of prediction accuracy.

研究动机与目标

• 在拥挤、交互密集的环境中推动自动系统的安全且高质量的规划。
• 开发一个通用的、生成式的轨迹预测框架，能够明确地对代理之间的关系进行推理。
• 结合带有拓扑和时序注意力的动态图表示，以建模高阶交互。
• 通过运动学约束层强制实现物理可行性，以提升真实感和性能。
• 在多个人行人和车辆轨迹基准上展示最先进的预测准确性。

提出的方法

• 使用三部分流水线：深度特征提取器（状态、关系和上下文特征）、基于图的编码器及图双注意力网络（GDAT），以及带运动学约束层的解码器。
• 为历史和未来构建时空图，其中节点属性将智能体状态与上下文结合，而边属性编码空间关系。
• 应用拓扑注意力层根据图结构更新节点特征，随后是时序注意力层以汇总跨时间的信息。
• 通过编码函数将历史和未来的节点属性编码为潜在表示，从而实现对未来轨迹假设的采样。
• 通过基于循环的机制（GRU）结合受运动学自行车模型启发的约束单元进行解码，以确保轨迹的物理可行性。
• 端到端训练，采用基于 Wasserstein 的目标函数，融合重构、KL 散度和最大均值差异项。

实验结果

研究问题

• RQ1 在互动场景中，如何通过对多个智能体的显式关系推理来提升轨迹预测？
• RQ2 基于图的双注意力机制是否能有效捕捉高阶的智能体间影响和时序演化？
• RQ3 结合场景上下文和运动学约束是否能为行人和车辆带来可观的预测精度提升？
• RQ4 基于 Wasserstein 的生成框架与其他生成方法（GAN/VAE 变体）在多智能体轨迹预测中的表现有何差异？
• RQ5 对历史和上下文的联合建模对长时域预测性能有何影响？

主要发现

• Social-WaGDAT 在多种场景下，在行人基准（ETH/UCY、SDD）和车辆基准（ID）上实现了最先进或具有竞争力的 ADE/FDE。
• 图双注意力机制使对空间关系和时序演化的建模更为有效，相较于基线取得显著增益。
• 整合上下文信息（占用地图和速度场）显著改善长时域预测，尤其在遵循道路规则的场景中。
• 运动学约束层通过强制实现可行轨迹和平滑输出，持续改进预测质量，在转弯丰富的场景（环岛/交叉口）中收益更大。
• 该方法在行人、自行车和道路车辆等多种对象上均展现出强劲的性能，显示对异质代理的泛化能力。