基于未来关系推理的车辆轨迹预测

理解多个智能体之间的交互关系对于实现真实的车辆轨迹预测至关重要。现有方法通常通过池化、注意力机制或基于图的方法，从智能体的历史轨迹中推断其交互关系，但这些方法均采用确定性建模方式。然而，在复杂道路结构下，此类方法往往表现不佳，因为它们难以预测未来可能发生的多种交互情形。本文提出一种新方法，利用车道信息来预测智能体之间未来可能存在的随机性交互关系。首先，本方法通过预测车辆在车道级路点上的占用概率，获得智能体粗略的未来运动趋势；随后，基于每对智能体经过相邻车道的时序概率，假设在相邻车道间穿行的智能体之间将产生显著交互。此外，我们采用概率分布建模交互关系，从而支持多种可能的未来交互模式。该概率分布通过从真实未来轨迹中获得的交互后验分布进行学习。我们在主流轨迹预测数据集nuScenes和Argoverse上对所提方法进行了验证，实验结果表明，该方法在预测精度方面取得了显著提升，并在长期轨迹预测基准数据集上达到了当前最优性能。