LOKI：用于轨迹预测的长期与关键意图

轨迹预测的最新进展表明，对智能体意图的显式推理对于准确预测其运动至关重要。然而，当前的研究活动不能直接应用于智能且安全关键的系统。这主要是因为可用的公开数据集极少，且它们仅从受限的自我中心视角考虑短时序范围内行人特定的意图。为此，我们提出了 LOKI（LOng term and Key Intentions，长期与关键意图），一个新颖的大规模数据集，旨在解决自动驾驶场景下异构交通智能体（行人与车辆）的联合轨迹与意图预测问题。LOKI 数据集的构建旨在揭示若干可能影响意图的因素，包括 i) 智能体自身意愿，ii) 社交交互，iii) 环境约束，以及 iv) 上下文信息。我们还提出了一种联合执行轨迹与意图预测的模型，表明递归式意图推理可辅助轨迹预测。我们展示了我们的方法比最先进的轨迹预测方法性能高出至多 $27\%$，并提供了逐帧意图估计的基线。