DONUT：面向轨迹预测的解码器专用模型

预测场景中其他智能体的运动对于自动驾驶汽车的预测至关重要，因为它允许车辆 anticipation 未来。灵感来自解码器模型在语言建模中的成功，我们提出了 DONUT，即面向轨迹展开的解码器专用网络。与现有的编码器-解码器预测模型不同，我们使用单个自回归模型对历史轨迹进行编码并预测未来轨迹。这使得模型能够以一致的方式进行迭代预测，并始终提供最新信息，从而提升性能。此外，灵感来自语言建模中的多标记预测，我们引入了“overprediction”策略，赋予模型预测更长时间范围内的轨迹的辅助任务。这使得模型能够更好地 anticipation 未来，进一步提高性能。通过实验，我们展示了我们的解码器专用方法优于编码器-解码器基线，并在 Argoverse 2 单智能体运动预测基准中取得新的最先进成绩。