摘要
由于动态场景中交互关系复杂且不断变化，运动预测在自动驾驶领域是一项极具挑战性的问题。现有大多数方法依赖静态道路图谱来表征场景，难以有效建模动态场景中不断演变的时空依赖关系。本文提出采用动态异构图来建模场景，联合编码包括车辆（智能体）与车道在内的多种场景要素、多类型交互关系及其随时间的变化过程。此外，我们设计了一种新型的异构图卷积循环网络，能够聚合多样化的交互信息并捕捉其动态演化过程，从而学习动态图中内在的时空依赖关系，获得对动态场景的有效表征。最后，结合运动预测解码器，模型能够预测出真实且具有多模态特性的智能体未来轨迹，在多个运动预测基准测试中均优于现有的最先进方法。