QCNeXt：一种用于联合多智能体轨迹预测的下一代框架

估计道路上智能体未来轨迹的联合分布对自动驾驶至关重要。在本技术报告中，我们提出了一种用于联合多智能体轨迹预测的下一世代框架 QCNeXt。首先，我们针对联合多智能体轨迹预测任务采用了以查询为中心的编码范式。在该编码方案驱动下，我们的场景编码器在集合元素上具有置换等变性，在空间维度上具有旋转平移不变性，在时间维度上具有平移不变性。这些不变性属性不仅从根本上实现了准确的多智能体预测，还赋予了编码器流式处理能力。其次，我们提出了一种类多智能体 DETR 解码器，其通过建模智能体在未来时间步的交互来促进联合多智能体轨迹预测。我们首次表明，即使在边缘指标上，联合预测模型也能优于边缘预测模型，这为轨迹预测开辟了新的研究机会。我们的方法在 Argoverse 2 多智能体运动预测基准上排名第 1，赢得了 CVPR 2023 自动驾驶研讨会 Argoverse 挑战赛的冠军。