[论文解读] TPNet: Trajectory Proposal Network for Motion Prediction

Liangji Fang, Qinhong Jiang+2 more|arXiv (Cornell University)|Apr 26, 2020

Autonomous Vehicle Technology and Safety参考文献 46被引用 11

一句话总结

TPNet 提出了一种两阶段运动预测框架，首先基于预测的终点位置生成轨迹提议，然后利用学习到的约束条件对这些提议进行分类和精炼，从而实现对车辆和行人安全且物理上一致的多模态预测。通过在提议生成过程中整合交通规则和意图建模，该方法在 ETH、UCY、Apollo 和 Argoverse 数据集上取得了最先进性能。

ABSTRACT

Making accurate motion prediction of the surrounding traffic agents such as pedestrians, vehicles, and cyclists is crucial for autonomous driving. Recent data-driven motion prediction methods have attempted to learn to directly regress the exact future position or its distribution from massive amount of trajectory data. However, it remains difficult for these methods to provide multimodal predictions as well as integrate physical constraints such as traffic rules and movable areas. In this work we propose a novel two-stage motion prediction framework, Trajectory Proposal Network (TPNet). TPNet first generates a candidate set of future trajectories as hypothesis proposals, then makes the final predictions by classifying and refining the proposals which meets the physical constraints. By steering the proposal generation process, safe and multimodal predictions are realized. Thus this framework effectively mitigates the complexity of motion prediction problem while ensuring the multimodal output. Experiments on four large-scale trajectory prediction datasets, i.e. the ETH, UCY, Apollo and Argoverse datasets, show that TPNet achieves the state-of-the-art results both quantitatively and qualitatively.

研究动机与目标

• 为解决自动驾驶中生成多模态、物理上一致运动预测的挑战。
• 通过将交通规则和可行驶区域约束融入预测流程，提升安全性和可解释性。
• 克服端到端回归模型在处理复杂、意图驱动行为和分布不确定性方面的局限性。
• 通过为不同可能的未来路径生成提议，实现多样化、意图感知的预测。
• 提供一种灵活的框架，可整合道路布局、交通信号等先验知识。

提出的方法

• TPNet 采用两阶段流程：首先基于预测的终点位置生成一组候选未来轨迹（提议），然后对这些提议进行精炼和分类。
• 提议生成阶段在预测终点位置上使用基于网格的锚点系统，网格大小和间隔经过调优以实现最佳覆盖范围和效率。
• 通过深度神经网络对每个提议进行分类，评估其可能性及其与物理约束（如可行驶区域）的兼容性。
• 回归分支对选定的提议进行精炼，以提升准确性，最小化最终轨迹预测的误差。
• 通过一个衰减函数实现安全性，对超出可行驶区域的提议施加惩罚，确保输出在物理上合理。
• 利用语义地图和场景上下文信息指导提议生成，并提升在多样化场景下的泛化能力。

实验结果

研究问题

• RQ1 两阶段框架是否通过将提议生成与精炼解耦，能够提升多模态运动预测性能？
• RQ2 在深度学习驱动的运动预测中，如何有效整合如可行驶区域等物理约束以增强安全性？
• RQ3 通过为不同轨迹提议建模智能体意图，在多大程度上能提升预测的多样性与准确性？
• RQ4 在处理长时程、多模态运动预测时，该方法与端到端回归模型相比表现如何？
• RQ5 该框架能否在不同交通参与者（车辆、行人）以及场景复杂度各异的数据集中实现良好泛化？

主要发现

• TPNet 在四个大规模数据集（ETH、UCY、ApolloScape 和 Argoverse）上达到最先进性能，Argoverse 数据集上的 FDE 为 3.88m。
• 消融实验表明，若移除分类头和回归头，FDE 从 3.88m 上升至 4.01m，证实了两阶段精炼机制的有效性。
• 采用 6m×6m 网格且间隔为 1m 时性能最佳（FDE: 3.87m），而更大的网格因搜索空间扩大导致性能下降。
• 安全感知变体（TPNet-map-safe）的 DAC 得分为 0.99，表明其对可行驶区域约束的遵守高度可靠。
• 定性结果表明，TPNet 能生成多样化、意图感知的预测——例如在路口转弯或直行——同时避免不安全路径。
• 该框架能有效处理车辆和行人，展现出在不同智能体类型和城市环境下的鲁棒性。