FFINet：面向运动预测的未来反馈交互网络

运动预测在自动驾驶中起着至关重要的作用，旨在预测交通参与者的未来合理运动。大多数现有方法主要对参与者与环境之间的历史交互进行建模，并在前馈过程中预测多模态轨迹，忽略了参与者之间未来交互所引起的潜在轨迹变化。本文提出一种新颖的未来反馈交互网络（FFINet），以聚合当前观测与潜在未来交互的特征用于轨迹预测。首先，我们采用不同的时空编码器对每个场景的分解位置向量与当前位置进行嵌入，为后续跨时间聚合提供丰富特征。其次，依次采用相对交互与跨时间聚合策略，在当前融合模块、观测交互模块、未来反馈模块与全局融合模块中整合特征，其中未来反馈模块通过将预览信息的影响反馈至前馈预测，实现对预动作的理解。第三，综合交互特征进一步输入最终预测器以生成多参与者的联合预测轨迹。大量实验结果表明，我们的 FFINet 在 Argoverse 1 与 Argoverse 2 运动预测基准上取得了最先进的性能。