面向城市交叉口的数字孪生损失：基于车道合规性的轨迹预测
机器人学
2026-03-09 v1 计算机视觉与模式识别
摘要
准确且以安全为导向的轨迹预测是智能交通系统的关键技术，尤其是在 V2X 环境下复杂多代理交互的城市交叉口。本文构建了一个驱动数字孪生的 V2X 轨迹预测管道，联合利用车辆和基础设施的协作感知，预测信号化交叉口上的多代理运动。所提出的模型结合基于 Bi-LSTM 的生成器与结构化训练目标，包括标准均方误差（MSE）损失和一种新颖的 twin 损失。Twin 损失编码了基础设施约束、碰撞规避、预测模式之间的多样性以及来自数字孪生的基于规则的先验。虽然 MSE 项确保点预测的准确性，但 twin 损失会惩罚交通规则违规、预测碰撞和模式坍塌，引导模型 toward scene-consistent 和安全合规的预测。我们在来自城市走廊的真实 V2X 数据上进行训练和评估。除了标准轨迹指标（ADE、FDE）外，我们还引入了与 ITS 相关的安全指标，包括基础设施和规则违规率。实验结果表明，所提出的训练方案显著降低了关键违规行为，同时保持了相当的预测准确性和实时性能，凸显了数字孪生驱动的多损失学习在 V2X 环境下的智能交通系统潜力。
引用
@article{arxiv.2603.05546,
title = {Digital-Twin Losses for Lane-Compliant Trajectory Prediction at Urban Intersections},
author = {Kuo-Yi Chao and Erik Leo Haß and Melina Gegg and Jiajie Zhang and Ralph Raßhofer and Alois Christian Knoll},
journal= {arXiv preprint arXiv:2603.05546},
year = {2026}
}
备注
7 pages, 2 figures, conference