用于运动预测的未来感知交互网络
计算机视觉与模式识别
2025-03-11 v1
摘要
运动预测是自动驾驶系统的关键组成部分，能够生成准确且平滑的未来轨迹，以确保安全导航至目的地。在以往的方法中，场景编码阶段通常缺失潜在的未来轨迹，这可能导致次优结果。此外，先前的方法通常采用 Transformer 架构对轨迹和地图信息进行时空建模，这会受到 Transformer 架构二次方扩展复杂度的困扰。在本工作中，我们提出了一种基于交互的方法，名为未来感知交互网络 (Future-Aware Interaction Network)，该方法将潜在的未来轨迹引入场景编码，以获得全面的交通场景表示。此外，引入了状态空间模型 (SSM)，特别是 Mamba，用于空间和时间建模。为了使 Mamba 适应空间交互建模，我们提出了一种自适应重排序策略，将无序数据转化为结构化序列。另外，采用 Mamba 在时间维度上优化生成的未来轨迹，以确保更一致的预测。这些增强不仅提高了模型效率，还提升了预测的准确性和多样性。我们在广泛使用的 Argoverse 1 和 Argoverse 2 数据集上进行了全面实验，证明所提出的方法以更高效的方式实现了优于以往方法的性能。代码将在论文被接收后发布。
引用
@article{arxiv.2503.06565,
title = {Future-Aware Interaction Network For Motion Forecasting},
author = {Shijie Li and Xun Xu and Si Yong Yeo and Xulei Yang},
journal= {arXiv preprint arXiv:2503.06565},
year = {2025}
}