基于端点感知建模的实时轨迹预测

相邻交通主体的未来轨迹对自动驾驶车辆的路径规划和决策具有重要影响。虽然轨迹预测是一项已研究较多的领域，但研究主要关注基于快照的预测，即将每个情景独立处理，而不考虑其全局时序背景。然而，现实中的自动驾驶系统需要在连续设置下运行，要求对数据流进行低延迟的实时处理，并在连续的多个时间步上保持一致的预测。我们利用这一连续设置，提出一种轻量级且高度准确的基于流式的轨迹预测方法。我们集成了来自先前预测的有价值信息，并引入一种新颖的端点感知建模方案。我们的时序上下文传播使用先前预测的轨迹端点作为锚点，以提取针对性的情景上下文编码。我们的做法高效地引导其场景编码器提取高度相关的上下文信息，而无需 refinement 迭代或分段解码。我们的实验表明，该方法有效地在连续时间步之间传递信息。与使用多阶段 refinement 处理的方法相比，我们的方法显著降低了推理延迟，更适合实际部署。我们在 Argoverse~2 多主体和单主体基准上实现了流式轨迹预测的状态竞争结果，同时使用了大大减少的资源。