自动驾驶中基于车道朝向辅助损失的轨迹预测

预测车辆轨迹是自动驾驶车辆在复杂城市交通场景中导航的一项基本能力。鸟瞰图道路信息为轨迹预测提供了宝贵信息，尽管最先进的模型通过图像卷积提取该信息，辅助损失函数可通过进一步编码社会与法律驾驶行为的常识来增强从深度学习推断出的模式。由于人类驾驶行为本质上是多模态的，允许多模态输出的模型在标准指标上往往优于单预测模型。我们提出了一种损失函数，通过对所有预测模态施加预期驾驶规则来增强此类模型。我们在轨迹预测方面的贡献有两方面：提出了一种新指标，该指标通过惩罚违背驾驶车道指定朝向（流向）的轨迹，解决了离路率指标的失效情形，并证明该指标可微因而适合作为辅助损失函数。随后我们利用该辅助损失扩展了标准的多轨迹预测（MTP）与MultiPath模型，在nuScenes预测基准上通过预测更符合车道跟随道路规则的轨迹取得了改进结果。