可解释模糊动力学编码用于自动驾驶多智能体轨迹预测

《Information》：Interpretable Fuzzy Dynamics Encoding for Multi-Agent Trajectory Prediction in Autonomous Driving

　　

可靠的多智能体轨迹预测对于自动驾驶车辆在复杂道路环境中预测周围智能体的未来运动至关重要。然而，许多现有方法从坐标序列中隐式编码运动动力学，限制了其以明确物理意义表征行为级模式的能力。本研究提出FZNet，一种可解释的模糊动力学编码框架，该框架从历史轨迹中提取速度、角速度和加速度，并通过可学习的模糊隶属函数和可微规则推理将这些连续运动学变量转化为语义运动表征。所得运动嵌入与车道级地图特征集成，构建联合捕捉动态运动趋势和道路约束的行为感知表征。在Argoverse基准上，FZNet实现了0.868的最小平均位移误差、1.477的最小最终位移误差和0.184的错过率。移除模糊模块会使相应位移误差分别增加至0.872和1.488，而用多层感知机聚合替代模糊规则推理则产生0.875和1.492的误差。在五个匹配随机种子上，经Holm校正后，FZNet相较于无模糊和MLP聚合变体显示出统计学显著但较小的改进。这些结果表明，在所评估的设置中，模糊规则推理带来了适度且可重复的收益。所提出的框架在物理运动学变量与行为感知表征之间建立了显式联系，同时为自动驾驶应用保持了可比较的轨迹预测精度。

一、研究背景与问题提出

多智能体轨迹预测是自动驾驶系统的核心组成部分。在车辆规划安全高效的行驶路径之前，必须预测周围交通参与者在道路约束和交互驾驶条件下的可能未来运动。准确的预测为下游规划和决策模块提供关键信息，尤其在变道、转弯、加减速以及多智能体交互等场景中。然而，交通参与者的运动本质上是多模态和不确定的：相似的历史轨迹可能因潜在意图、局部道路几何形状以及与邻近智能体的交互而产生不同的未来行为。

近年来，深度学习方法显著推进了多智能体轨迹预测领域。向量化场景表示和图模型显式编码车道几何和道路拓扑，而基于注意力机制的架构捕捉智能体间的时空交互。代表性方法如HiVT、GANet、HPNet、Wayformer和Scene Transformer等展示了层次化表示学习、目标条件预测和交互感知注意力的有效性。AgentFormer进一步建模智能体间的社会-时间依赖关系，而多模态预测器生成多条轨迹假设以应对未来不确定性。Argoverse和nuScenes等大规模基准测试为学习复杂交通场景表征奠定了坚实基础。

尽管取得了上述进展，大多数轨迹预测模型仍主要从位置、位移或坐标派生嵌入中学习运动动力学。速度、加速度和角速度等具有物理意义的量要么作为普通数值输入，要么由深度特征编码器隐式推断。因此，学习表征与可识别运动行为之间的关系难以刻画。例如，匀速运动和轻微加速可能产生相似的历史短轨迹，而渐转和急转主要差异在于角动力学。仅通过坐标特征表征这些变化需要模型间接从数据中发现其行为意义。

这一局限对自动驾驶系统具有双重意义。首先，预测模型在为下游规划和决策模块提供信息时，必须区分运动状态的连续变化。其次，轨迹观测可能包含由感知、标注和数值微分引起的小扰动。在人工选定阈值附近急剧变化的表征可能不适合描述渐进行为转变。模糊建模提供了一种自然机制，将连续运动学量映射到重叠的行为导向状态，如低速、中速和高速；减速、近似匀速和加速；或左转、直行和右转倾向。与硬离散化不同，模糊隶属函数保留状态间的渐变过渡，并在物理变量与所得表征之间建立显式联系。

基于上述观察，本研究提出FZNet，一种用于自动驾驶多智能体轨迹预测的模糊动力学编码框架。该框架从历史轨迹中提取速度、加速度和角速度，通过可学习隶属函数将其映射为连续模糊表征，可微规则推理层再将隶属响应组合为行为导向的运动嵌入。这些嵌入与车道级地图特征集成，构建联合描述道路约束和智能体动态倾向的运动感知场景表征。所提出的模块在轨迹预测层运行，旨在为自动驾驶系统提供结构化的预测信息，而非设计或评估下游控制策略。

二、研究内容与主要结论

本研究围绕三个研究问题展开：显式运动学编码能否为传统基于坐标的轨迹表征提供补充信息；可微模糊规则聚合相较于传统多层感知机聚合在运动特征编码中是否具有优势；所提出的行为导向表征能否保持与代表性轨迹预测方法相当的预测精度。

研究主要贡献包括：引入显式模糊动力学编码器，将速度、加速度和角速度转化为具有物理意义输入的连续行为导向表征；将所得模糊运动嵌入与结构化车道级地图特征集成，使预测器能够联合表征道路拓扑、智能体交互和历史运动倾向；在Argoverse基准上使用标准位移和错过率指标评估框架性能。

实验结果表明，FZNet在Argoverse基准上实现了0.868的最小平均位移误差、1.477的最小最终位移误差和0.184的错过率，与多种代表性方法相比保持了可比较的预测精度。消融研究显示，运动学变量提供了最大的性能贡献，而模糊编码和规则推理在重复运行分析中产生了统计学显著但较小的改进。

三、关键技术方法

研究人员采用以下主要技术方法开展研究：基于层次化图表示的高精地图编码方法，使用中心线节点和车道节点建模道路几何与拓扑结构，通过边属性图注意力机制进行特征传播；模糊神经网络运动模式编码方法，从历史轨迹中提取速度、角速度和加速度三种运动学特征，使用高斯模糊隶属函数将连续变量映射为语义模糊表征，构建可微If-Then模糊规则库，通过乘积T-范数计算规则激活强度并采用温度缩放softmax归一化，加权聚合可学习规则后件向量获得帧级运动特征；时间自注意力机制与全局平均池化进行时序聚合；特征级融合策略将运动模式嵌入与车道级地图特征拼接，构建运动感知地图表征。模型在Argoverse 1运动预测验证集上评估，轨迹以10Hz采样，使用20个观测位置预测30个未来位置，输出6条轨迹假设。

四、研究结果

与代表性方法的比较：在Argoverse基准上的基准级比较显示，FZNet的minADE为0.87，minFDE为1.48，MR为0.18。其minADE低于TNT、DATF、DESIRE和LaneRCNN等方法的报告值，而LaneGCN和DenseTNT实现了更低的位移误差。FZNet未在该基准上建立新的最先进水平，但表明所提出的行为导向动力学表征可融入轨迹预测框架，同时保持与多种代表性方法相当的精度。单轨迹预测结果中，FZNet实现minADE为1.50，minFDE为3.28，MR为0.56，优于两个引用的ActorNet配置以及局部评估的运动学基线和学习消融变体。

消融研究：移除模糊运动编码器导致性能略降，minADE从0.868增至0.872，minFDE从1.477增至1.488，表明模糊模块为剩余轨迹和交互特征提供了补充信息。移除运动学特征导致显著性能下降，minADE从0.868增至1.942，minFDE从1.477增至3.481，证明所选运动学变量包含重要的预测信息。移除智能体交互模块使minADE和minFDE分别增至0.894和1.563，表明建模周围智能体间依赖关系对生成社会一致性轨迹很重要。移除时间自注意力模块使minADE从0.868增至0.889，表明全局平均池化前的时间上下文化有助于降低预测误差。移除残差连接导致性能轻微下降。用MLP聚合替代模糊规则聚合导致minADE、minFDE和MR略增，重复运行分析表明这些差异经Holm校正后具有统计学显著性，但绝对幅度较小。跨五个匹配种子，相对于两个比较变体的平均minADE降低为0.008米，约0.91%。

定性分析与讨论：可视化分析显示，FZNet在车道跟随、弯道行驶和直行等场景中生成的六条预测轨迹与道路几何和历史运动状态总体一致。模糊隶属函数为连续运动学输入提供平滑映射，可能减少历史轨迹小扰动引起的特征突变，但实验未包含受控噪声注入或跨传感器评估，因此噪声鲁棒性应视为表征的潜在属性而非经验确立的优势。

五、讨论与结论

研究表明，模糊动力学建模可作为交互感知轨迹预测框架的补充组件。测量到的模糊模块收益适中，而运动学变量的显式使用提供了消融研究中观察到的最大改进。FZNet在自动驾驶系统的预测层运行，其六条轨迹假设估计周围智能体的可能未来运动，模糊动力学编码器围绕显式运动学量构建内部表征。本研究未将FZNet与规划器或控制器集成，也未评估闭环安全或控制性能，实际意义限于提供可能支持后续规划和决策的行为导向运动信息。

本研究限于单一自动驾驶数据集上的边际预测，未评估闭环规划或控制、受控传感器扰动下的鲁棒性、实例级解释保真度或人类可解释性。因此，报告结果不应被解释为车辆安全性或控制性能改进的证据。未来工作将研究自适应规则发现、受控噪声鲁棒性、跨数据集泛化、解释保真度以及与下游规划系统的集成。

总体而言，FZNet在保持可比较预测精度的同时，为多智能体轨迹预测引入了显式的、行为导向的运动动力学表征。