摘要
预测动态代理的未来运动对于保障自主机器人运动规划中的安全性和风险评估具有至关重要的意义。在本研究中，我们提出了一种两阶段运动预测方法——R-Pred，该方法通过级联初始轨迹提议网络与轨迹优化网络，有效利用场景上下文与交互上下文信息。初始轨迹提议网络生成M条轨迹提案，对应未来轨迹分布的M个模态。随后，轨迹优化网络通过两种机制对这M条提案进行优化：1）管状查询场景注意力（Tube-Query Scene Attention, TQSA）和2）提案级交互注意力（Proposal-Level Interaction Attention, PIA）。TQSA利用管状查询，从目标轨迹提案周围邻近区域聚合局部场景上下文特征；PIA则通过选取与邻近代理距离最近的一组轨迹提案，建模代理间的交互关系，进一步提升轨迹预测质量。在Argoverse与nuScenes数据集上的实验结果表明，所提出的优化网络相较于单阶段基线方法显著提升了性能，且R-Pred在部分基准评测类别中达到了当前最优水平。