ProphNet：基于锚点感知提议的高效以智能体为中心运动预测

运动预测是自动驾驶系统中的关键模块。由于多源输入的异构性、智能体行为的多模态性，以及车载部署所需的低延迟，该任务极具挑战性。为应对这些困难，本文提出一种新颖的以智能体为中心模型，利用锚点感知提议实现高效的多模态运动预测。我们设计了一种模态无关策略，以统一方式简洁地编码复杂输入。我们生成多样化的提议，并与承载面向目标场景上下文的锚点相融合，从而诱导出覆盖广泛未来轨迹的多模态预测。我们的网络架构高度统一且简洁，形成了一个适用于实际驾驶部署的高效模型。实验表明，我们的以智能体为中心网络在预测精度上与最先进方法相比具有竞争力，同时达到了以场景为中心的推理延迟水平。