[论文解读] Uncertainty-Aware Diffusion Model for Multimodal Highway Trajectory Prediction via DDIM Sampling

Marion Neumeier, Niklas Roßberg+2 more|arXiv (Cornell University)|Feb 24, 2026

Autonomous Vehicle Technology and Safety被引用 0

一句话总结

本论文提出 cVMDx，一种用于快速、具不确定性感知的多模态高速公路轨迹预测的扩散框架，整合 CVQ-VAE 进行情景编码、DDIM 采样提高效率，以及用于多模态输出的高斯混合模型。

ABSTRACT

Accurate and uncertainty-aware trajectory prediction remains a core challenge for autonomous driving, driven by complex multi-agent interactions, diverse scene contexts and the inherently stochastic nature of future motion. Diffusion-based generative models have recently shown strong potential for capturing multimodal futures, yet existing approaches such as cVMD suffer from slow sampling, limited exploitation of generative diversity and brittle scenario encodings. This work introduces cVMDx, an enhanced diffusion-based trajectory prediction framework that improves efficiency, robustness and multimodal predictive capability. Through DDIM sampling, cVMDx achieves up to a 100x reduction in inference time, enabling practical multi-sample generation for uncertainty estimation. A fitted Gaussian Mixture Model further provides tractable multimodal predictions from the generated trajectories. In addition, a CVQ-VAE variant is evaluated for scenario encoding. Experiments on the publicly available highD dataset show that cVMDx achieves higher accuracy and significantly improved efficiency over cVMD, enabling fully stochastic, multimodal trajectory prediction.

研究动机与目标

• 解决高速公路轨迹预测固有的随机性和多模态性。
• 提高采样效率以实现实际可用的多样本不确定性估计。
• 增强情景表示以减少代码本崩溃并提升鲁棒性。
• 通过对生成轨迹拟合高斯混合模型来提供显式的多模态预测。

提出的方法

• 用 CVQ-VAE 替代 VQ-VAE 来缓解情景编码中的代码本崩溃问题，扩展到 cVMDx。
• 使用 DDIM 采样实现比 DDPM 高达 100× 的推理加速，用于多样本生成。
• 对捕获的扩散轨迹应用高斯混合模型以提取并表示多种运动假设。
• 采用基于速度的训练目标以提升训练稳定性和样本一致性。
• 实现具不确定性感知的无条件/条件引导，在条件强度上由情景上下文不确定性和扩散时间步长调制。
• 在 highD 数据集上评估，并与基线扩散及非扩散轨迹预测方法进行对比。

实验结果

研究问题

• RQ1 如何让基于扩散的轨迹模型在高速场景下更快且更好地捕捉多模态未来？
• RQ2 基于 CVQ-VAE 的情景条件能否减少代码本崩溃并提升预测鲁棒性？
• RQ3 基于速度的训练目标是否能提升扩散式轨迹预测的稳定性与样本质量？
• RQ4 DDIM 采样在自动驾驶轨迹的实际多样本不确定性估计中能多大程度地发挥作用？
• RQ5 高斯混合模型是否能有效总结扩散生成的多模态分布，以给出明确的运动假设？

主要发现

• 与此前的扩散方法相比，cVMDx 通过 DDIM 采样实现最高可达 100× 的推理加速。
• CVQ-VAE 缓解了代码本崩溃并产生鲁棒的情景嵌入，在该设定下对标准 VQ-VAE 的增益有限。
• 高斯混合模型能够从生成样本中提取并表示多种未来运动假设。
• 基于速度的目标提升了扩散式轨迹预测的训练稳定性与样本一致性。
• 样本聚合（取均值，或取前 K 的最佳）在 ADE 方面优于单样本基线，体现了多模态的好处，尽管未必在 FDE 上也有提升。