用于自动驾驶轨迹预测的特征化扩散与时空交互网络

轨迹预测是自动驾驶（AD）的基石，在使车辆能够在动态环境中安全高效地导航方面起着关键作用。为了解决这一任务，本文提出了一种新颖的轨迹预测模型，该模型专为在异构和不确定的交通场景下实现准确性而定制。该模型的核心是特征化扩散模块，这是一个创新模块，旨在模拟具有内在不确定性的交通场景。该模块通过注入详细的语义信息来丰富预测过程，从而提高轨迹预测的准确性。作为补充，我们的时空（ST）交互模块以卓越的有效性捕捉了交通场景在空间和时间维度上对车辆动力学的细微影响。通过详尽的评估，我们的模型为轨迹预测设立了新标准，在下一代仿真（NGSIM）、高速公路无人机（HighD）和澳门自动驾驶（MoCAD）数据集上，无论是在短期还是长期时间跨度内，都取得了最先进（SOTA）的结果。这一性能凸显了该模型在应对包括高速公路、城市街道和交叉口在内的复杂交通场景时无与伦比的适应性和有效性。