复旦大学提出基于Mamba的轨迹预测模型DeMo: 将运动预测解耦为方向意图和动态状态

文章预览

Abstract 准确的交通主体运动预测对于在动态变化环境中确保自动驾驶系统的安全性和效率至关重要。主流方法采用“一查询一轨迹”的范式，其中每个查询对应一个唯一的轨迹，用于预测多模态轨迹。尽管这种方法简单且有效，但由于缺乏对未来轨迹的详细表示，可能会导致次优结果，因为主体状态会随时间动态演变。为了解决这个问题，我们提出了DeMo框架，它将多模态轨迹查询解耦为两种类型：模式查询（mode queries），用于捕捉不同的方向意图；以及状态查询（state queries），用于跟踪主体随时间变化的动态状态。通过利用这种格式，我们分别优化了轨迹的多模态性和动态演化特性。随后，模式查询和状态查询结合起来，以获得对轨迹的全面而详细的表示。为实现这些操作，我们还引入了Attention（注意力机制）和Mamba技术的结合，用于全局信息聚 ………………………………