相对位置至关重要：基于极坐标表示的轨迹预测与规划
机器人学
2025-08-18 v1 计算机视觉与模式识别
摘要
自动驾驶中的轨迹预测与规划面临着极大的挑战，主要源于预测周围车辆运动和在动态环境中规划自主车动作的复杂性。现有方法以笛卡尔坐标对地图和车辆位置进行编码，然后解码未来轨迹。然而，在笛卡尔空间对自主车与周围交通要素之间的关系建模可能并不理想，因为它不自然地捕捉不同要素基于相对距离和方向所产生的不同影响。为此，我们采用极坐标系，其中位置由半径和角度表示。这种表示为建模空间变化和相对关系提供了更直观且更有效的方法，尤其在距离和方向影响方面。基于这一洞见，我们提出了Polaris，这是一个完全在极坐标中运行的方法，区别于传统的笛卡尔坐标方法。通过利用极坐标表示，该方法显式建模距离和方向变化，并通过专用的编码和细化模块捕捉相对关系，实现更结构化、更具空间感知力的轨迹预测与规划。在具有挑战性的预测 (Argoverse 2) 和规划基准测试 (nuPlan) 上进行的大规模实验表明，Polaris 取得了最先进的性能。
引用
@article{arxiv.2508.11492,
title = {Relative Position Matters: Trajectory Prediction and Planning with Polar Representation},
author = {Bozhou Zhang and Nan Song and Bingzhao Gao and Li Zhang},
journal= {arXiv preprint arXiv:2508.11492},
year = {2025}
}