摘要
预测动态主体的未来行为是自动驾驶等机器人应用中的关键任务。该任务极具挑战性，因为主体具有隐含意图，其轨迹受到与其他主体、自身以及地图之间复杂交互关系的共同影响。本文提出了一种以图为中心的运动预测模型——LaneRCNN。该模型通过一个专门设计的图编码器，为每个主体学习其局部车道图表示（LaneRoI），以编码其历史运动轨迹和局部地图拓扑结构。我们进一步设计了一个交互模块，实现多个局部图表示在共享全局车道图框架下的高效信息传递。此外，我们基于车道图对输出轨迹进行参数化，采用一种更适宜的预测建模方式。LaneRCNN以分布式且地图感知的方式捕捉主体之间的相互关系以及主体与地图之间的关联。我们在大规模的Argoverse运动预测基准测试中验证了所提方法的有效性，取得了排行榜第一名的成绩，并显著优于此前最优方法的性能表现。