PreGSU：基于预训练图注意力网络的自动驾驶通用交通场景理解模型

场景理解，定义为交通元素间交互的学习、提取和表示，是实现高级自动驾驶（AD）的关键挑战之一。当前的场景理解方法主要关注具体的单一任务，例如轨迹预测和风险等级评估。尽管它们在特定指标上表现良好，但泛化能力不足以适应真实的交通复杂性和下游需求的多样性。在本研究中，我们提出了 PreGSU，一种基于图注意力网络的通用预训练场景理解模型，用于学习交通场景的通用交互和推理，以支持各种下游任务。经过特征工程和子图模块处理后，所有元素被嵌入为节点，形成动态加权图。然后，应用四个图注意力层来学习智能体和车道之间的关系。在预训练阶段，理解模型在两个自监督任务上训练：虚拟交互力（VIF）建模和掩码道路建模（MRM）。基于人工势场理论，VIF 建模使 PreGSU 能够捕获智能体之间的交互，而 MRM 则提取智能体与道路的连接。在微调过程中，加载预训练参数以生成详细的理解输出。我们在三个数据集和两个下游任务（即城市场景中的轨迹预测和高速公路场景中的意图识别）上进行了验证实验，以检验模型的泛化和理解能力。结果表明，与单任务驱动的基线相比，PreGSU 在所有数据集和下游任务上均取得了有竞争力的性能，表明其具有泛化到各种场景和目标的潜力。消融研究显示了预训练任务设计的有效性。