DeMo: 将运动预测解耦为方向意图与动态状态

对交通参与者进行精确的运动预测，对于确保自动驾驶系统在动态变化环境中的安全性和效率至关重要。主流方法采用“一查询一轨迹”范式，其中每个查询对应一条唯一的轨迹，用于预测多模态轨迹。尽管这种方法直接有效，但由于智能体状态随时间动态演化，缺乏对未来轨迹的详细表示可能会导致次优结果。为解决此问题，我们提出了 DeMo 框架，该框架将多模态轨迹查询解耦为两种类型：捕获不同方向意图的模式查询和随时间跟踪智能体动态状态的状态查询。通过利用这种格式，我们分别优化了轨迹的多模态性和动态演化特性。随后，将模式查询和状态查询集成，以获得轨迹的全面且详细的表示。为实现这些操作，我们额外引入了结合 Attention 和 Mamba 的技术，分别利用它们在全局信息聚合和状态序列建模方面的优势。在 Argoverse 2 和 nuScenes 基准上的大量实验表明，我们的 DeMo 在运动预测方面达到了最先进的性能。