【华为和约克大学】VRD：想象辅助的多智能体运动预测

主要观点总结

文章介绍了VRD：想象辅助的多智能体运动预测方法。该方法旨在解决自动驾驶汽车在环境中规划路径时，预测其附近动态目标轨迹的问题。文章结合了传统的开环训练机制和新的想象闭环训练流程，并在两个数据集上进行了实验验证。

关键观点总结

关键观点1: 介绍研究背景和问题

自动驾驶汽车在规划路径时需要预测周围动态目标的轨迹，但传统方法很少考虑自车行为对未来状态的影响。

关键观点2: 提出新的运动预测框架VRD

VRD受矢量化世界模型启发，能学习环境矢量化表示的世界模型。

关键观点3: 引入运动状态重建任务

帮助隐式空间更好地捕获对动态目标运动预测重要的环境层面信息。

关键观点4: 提出结合开环和闭环训练的新方法

将传统的开环训练与想象的闭环训练机制相结合，提高运动预测的准确性。

关键观点5: 实验结果

在Argoverse2数据集和inD数据集上进行实验，证明所提出模型的性能。特别是在Argoverse2数据集的单次预测未命中率指标上实现了最先进的性能。

文章预览

点击下方 卡片 ，关注“ 自动驾驶专栏 ”公众号 自动驾驶干货 ，即可获取 论文链接： https://arxiv.org/pdf/2406.14415 摘要 本文介绍了 VRD：想象辅助的多智能体运动预测。为了使自动驾驶汽车在环境中规划路径，必须能够准确预测其附近所有动态目标的轨迹。尽管很多传统方法编码场景中的观测来解决这个问题，但是很少有方法考虑自车行为对世界未来状态的影响。本文引入了VRD，这是一种受矢量化世界模型启发的方法，用于解决多智能体运动预测问题。本文方法将传统的开环训练机制与新的想象闭环训练流程相结合，该流程利用运动学重建任务来想象所有智能体的轨迹，其以自车的行为为条件。本文在Argoverse2多世界预测评估数据集和intersection drone（inD）数据集上进行定量和定性实验，以证明所提出模型的性能。本文模型在Argoverse2数据集的单次预测 ………………………………