Co-MTP：基于多时间融合的协作轨迹预测框架用于自动驾驶
机器学习
2025-11-04 v3 人工智能
计算机视觉与模式识别
机器人学
摘要
车联网技术（V2X）已成为扩展感知范围并穿透遮挡的理想范式。现有研究聚焦于单帧协作感知，但如何利用 V2X 在帧之间捕获时序线索以促进预测乃至规划任务仍鲜有探索。本文引入 Co-MTP，一个面向自动驾驶的多时间融合协作轨迹预测框架，利用 V2X 系统全面捕获代理人在历史和未来域之间的相互作用以利于规划。在历史域，V2X 可补充单车感知中不完整的历史轨迹，我们设计异构图变换器以学习来自多个代理人的历史特征融合并捕获历史相互作用。此外，预测目标是支持未来规划。因此，在未来域，V2X 可提供周围物体的预测结果，我们进一步扩展图变换器以捕获自主规划与其他车辆意图之间的未来相互作用，并获得特定规划动作下的最终未来场景状态。我们在真实世界数据集 V2X-Seq 上评估了 Co-MTP 框架，结果表明 Co-MTP 实现了最先进的性能，且历史和未来融合均对预测效果显著提升。
引用
@article{arxiv.2502.16589,
title = {Co-MTP: A Cooperative Trajectory Prediction Framework with Multi-Temporal Fusion for Autonomous Driving},
author = {Xinyu Zhang and Zewei Zhou and Zhaoyi Wang and Yangjie Ji and Yanjun Huang and Hong Chen},
journal= {arXiv preprint arXiv:2502.16589},
year = {2025}
}
备注
8 pages, 3 figures, ICRA 2025