具备不确定性感知的轨迹预测：统一框架融合位置与语义不确定性
计算机视觉与模式识别
2026-04-01 v1
摘要
轨迹预测旨在给定历史运动数据和环境上下文后，预测动态实体（如车辆和行人）的未来运动。该领域的核心挑战在于现实地图数据固有的不确定性，主要来源有两点：（1）由于传感器限制或环境遮挡导致的位置误差；（2）源于对场景上下文误解释导致的语义错误。为解决这些挑战，我们提出一种新颖的统一框架，联合建模位置不确定性和语义不确定性，并显式地将其集成到轨迹预测流程中。我们的方法采用双头架构，以双传递方式独立估计语义和位置预测，据此以端到端方式推导出预测方差作为不确定性指示器。随后，这些不确定性被融合到语义和位置预测中，以增强轨迹预测的鲁棒性。我们在真实世界驾驶数据集 nuScenes 上评估了具备不确定性感知的框架，进行了针对四种地图估计方法和两种轨迹预测基线的广泛实验。结果验证，我们的方法（1）有效地通过位置和语义两个维度量化地图不确定性，且（2）在多个指标上（包括最小平均位移误差minADE、最小最终位移误差minFDE和漏报率MR）一致改进了现有轨迹预测模型的性能。代码将在 https://github.com/JT-Sun/UATP 提供。
引用
@article{arxiv.2603.29362,
title = {Uncertainty-Aware Trajectory Prediction: A Unified Framework Harnessing Positional and Semantic Uncertainties},
author = {Jintao Sun and Hu Zhang and Gangyi Ding and Zhedong Zheng},
journal= {arXiv preprint arXiv:2603.29362},
year = {2026}
}
备注
13 pages, 7 figures, 4 tables