通过锚点引导的特征融合与自监督学习实现符合地图的轨迹预测

《Neurocomputing》：Enforcing map-compliant trajectory prediction via anchor-guided feature fusion and self-supervised learning

　　摘要：• 锚点引导的特征融合将准确性与拓扑感知相结合。• 掩码重建预训练任务通过更丰富的上下文缓解了时间压缩问题。• 状态自适应采样通过运动状态调整关键区域的感知范围。引言现实交通场景中的不确定性对自动驾驶系统构成了根本性挑战。为确保安全的运动规划，对周围交通参与者的准确可靠预测至关重要。在涉及多种类型交通参与者的高度动态驾驶场景中，研究人员通过复杂的基于深度学习的网络在轨迹预测方面取得了显著成就，这些网络能够融合多源异构信息。轨迹预测的一个显著特征是其固有的多模态性。由于意图不确定、环境动态变化和交通规则，交通参与者可能表现出多种合理的未来行为[1]。因此，现代预测器旨在表征可能轨迹上的概率分布。在改进多模态输出的研究中取得了显著进展[2], [3], [4]。意图，定义为到达目标位置或执行特定操作的倾向，通常作为多模态预测的基础几何概念[5]。它通常用端点或锚点来表示。然而，现实中的交通参与者运动受到交通规则和道路几何的强烈约束。车辆主要遵循车道引导行为（例如车道保持、转弯）而不是任意操作[6], [7]。这在生成多样化的多模态预测和执行严格地图合规性之间造成了持续的紧张关系。在实践中，许多现有方法由于其设计难以平衡准确性和多模态多样性[4], [8]。一些方法使用锚点来增强合理轨迹的输出建模，这被证明是一个可行的解决方案[3], [6], [9]。除了输出建模之外，预测性能从根本上受到编码器从历史观测中提取判别性时空特征的能力的限制。主流架构的一个显著缺点是时间维度的压缩，这损害了对序列数据中固有的丰富运动模式的保留。随着自监督方法的出现，可以通过预文本任务提取潜在特征以提高准确性。然而，当前方法通常采用相对简单的模型架构，缺乏与先进主流框架集成的探索。此外，高清（HD）地图对轨迹预测至关重要[10], [11]，但大多数基于图神经网络（GNN）的方法[12], [13]采用以目标交通参与者为中心的固定范围采样策略来选择相关车道节点。这种设计面临一个关键困境。长期预测需要更大的感知半径来捕获足够的上下文信息[4], [14]。然而，更大的半径不可避免地引入了冗余并稀释了关键特征，损害了效率和泛化能力。最近，将人类认知作为先验知识融入已成为自动驾驶研究中的关键策略，引导学习过程从而提高整体性能[15], [16]（图1）。为解决现有方法的局限性，本文提出了一种名为AnchorFuser的锚点引导特征融合框架用于轨迹预测，专注于已建立组件的协同集成和针对性优化，以解决轨迹预测中持续存在的瓶颈。我们的方法引入了三个关键创新如下：• 我们提出了一种锚点引导的特征融合框架用于轨迹预测，该框架将锚点映射为潜在嵌入，与关键地图特征进行深度融合以丰富最终表示，这结合了基于回归方法的精度和基于锚点方法的地图合规性。• 为补偿时间压缩导致的信息损失，我们设计了一个自监督掩码重建预训练任务。实验表明，该预文本任务改进了复杂运动模式建模，以更丰富的运动上下文提升了性能。• 受人类视觉注意力启发，我们还开发了一种状态自适应采样策略，根据当前运动状态调整感知范围以进行关键区域过滤。在大规模轨迹预测基准上的大量实验证明了所提出框架在多个评估指标上的性能。全面的消融研究验证了每个所提出模块的单独贡献。这些结果凸显了我们的方法在实际自动驾驶应用中的巨大价值。章节摘要场景表示与编码基于场景表示，轨迹预测方法从根本上可以分类为两种范式：栅格化方法和向量化方法。栅格化方法将地图元素和交通参与者运动历史渲染为图像，并利用成熟的计算机视觉网络进行特征提取和场景理解[17]，但受到有限的感受野和较差性能的限制。相比之下，向量化方法[4], [8], [18], [19], [20]使用稀疏折线来表示场景。问题定义轨迹预测任务旨在根据观测到的历史运动和周围环境，为目标交通参与者预测潜在的未来轨迹。给定一个包含N个交通参与者的场景，其中每个交通参与者在历史观测长度T_h内有一个观测状态序列S_i，以及HD地图信息，我们旨在预测目标交通参与者在未来时间跨度T_f内的未来状态S_f^i。遵循先前的工作，我们对所有轨迹和车道段采用基于向量的表示。实验设置数据集。我们在大规模Argoverse数据集上进行了实验[49], [50]。Argoverse 1数据集[49]包含33.3万个真实驾驶序列，这些序列收集自迈阿密和匹兹堡的城市交叉口和密集交通场景，每个序列包含2秒的历史和3秒的未来轨迹。Argoverse 2数据集[50]引入了更大的场景复杂度和更长的预测时间跨度，每个序列包含5秒的历史和6秒的未来轨迹。两个数据集均以10Hz的频率采样。结论准确可靠的轨迹预测对于完全自动驾驶车辆在复杂城市场景中仍然是至关重要的。为解决多模态多样性和地图合规性之间的紧张关系，以及时间信息丢失的挑战，本文提出了AnchorFuser，一种锚点引导的特征融合框架。该框架围绕三个核心贡献构建：(i) 一个锚点引导的特征融合模块，将锚点映射为潜在嵌入，与关键地图...CRediT作者贡献声明罗怡涛：写作——审阅与编辑，写作——初稿，可视化，验证，软件，方法论，形式化分析，数据管理，概念构思。谢冲：写作——审阅与编辑，写作——初稿，方法论，形式化分析，概念构思。王聪：写作——审阅与编辑，写作——初稿，监督，资金获取。叶明：监督，资源，项目管理。李维华：写作——审阅与编辑，监督，资源...利益冲突声明作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：王聪报告获得了中国国家自然科学基金的财务支持。王聪报告获得了中央高校基本科研业务费专项资金的支持。王聪报告获得了广东省青年科技创新人才支持计划的支持。如果有其他作者，他们声明没有...致谢本工作获得了中国国家自然科学基金（资助号52302473）的支持；部分获得中央高校基本科研业务费专项资金（资助号2025ZYGXZR062）的支持；部分获得广东省青年科技创新人才支持计划（SKXRC2025314）的支持。罗怡涛 | 谢冲 | 王聪 | 叶明 | 李维华罗怡涛于2023年获得华南理工大学车辆工程学士学位，目前在吴贤明智能工程学院攻读机械工程硕士学位。他的当前研究兴趣包括自动驾驶车辆的轨迹预测和决策。