《Motion Forecasting with Dual Consistency and Multi-Pseudo-Target Supervision》论文阅读之DCMS

目录

摘要

1 简介

2 相关工作

3.方法

3.1 结构

3.2 双重一致性约束

3.3 多伪目标监督

3.4 学习

4 实验 

4.1 实验装置

4.2 实验结果

4.3 消融研究

4.4 泛化能力

5 限制

6 结论

---

DCMS：具有双重一致性和多伪目标监督的运动预测

香港科技大学

暂无代码。

摘要

我们提出了一种具有双重一致性约束和多伪目标监督的运动预测新框架。运动预测任务通过结合过去的空间和时间信息来预测车辆的未来轨迹。DCMS的一个关键设计是提出双重一致性约束，在训练阶段在空间和时间扰动下对预测的轨迹进行规范化。此外，我们设计了一种新颖的自集成方案来获得准确的伪目标，以通过显式监督多目标来模拟运动预测中的多模态，即多伪目标监督。我们在Argoverse运动预测基准上的实验结果表明，DCMS显著优于最先进的方法，在排行榜上名列第一。我们还证明了我们提出的策略可以作为通用训练方案纳入其他运动预测方法。

1 简介

运动预测一直是自动驾驶车辆预测交通中涉及的智能体（汽车/行人）未来轨迹的一项关键任务。解决此任务可以帮助自动驾驶车辆规划其未来的行动并防止潜在的事故。运动预测本质上是一个多模态问题，具有很大的不确定性，因为未来不是确定性的，这意味着理想的运动预测方法应该产生未来轨迹的分布或至少多个最可能的未来轨迹。
    由于运动预测固有的不确定性，这项任务仍然具有挑战性且尚未解决。最近，研究人员提出了基于各种表示的不同架构来编码来自HDMap的运动状态和上下文信息，以生成可行的多模态轨迹。这些方法遵循传统的静态训练步骤，其中由多个帧组成的每个场景以固定模式分为历史数据(输入)和未来数据(真值)。然而，预测任务是现实世界应用程