自动驾驶---基于深度学习模型的轨迹预测

 

1 背景

        自动驾驶任务中，轨迹预测一直以来是一个难题。

        在复杂交通场景中，即使驾驶员最终意图确定，但决策过程中其他车辆的动态行驶路径的即时变化会导致自车路径呈现多模态属性，即车辆的未来轨迹有多种可能性。对车辆的多模态轨迹进行预测，并保证预测的准确性与多样性，是当前自动驾驶领域关注的热点内容。

        之前的博客《自动驾驶---LSTM模型用于轨迹预测》为读者朋友介绍了长短时记忆网络用于轨迹预测，但该方法只能输入车辆历史轨迹信息，而没有车辆所处的环境信息，因此效果是不如基于深度学习模型的预测。

        反过来思考，如果将其它动态车辆的多模预测模型，应用于自车，其实也就是目前的planner大模型。

2 轨迹预测问题描述

        类比人类驾驶时通过观察周围交通参与者来预测其未来可能的行为，为进一步提高安全性，在自动驾驶研究中关键的技术之一是像人类驾驶员一样 可以在高动态的复杂多变的场景中预测周围环境的未来状态，其未来状态可以由未来轨迹表示，即多模态轨迹预测任务。多模态轨迹预测旨在为处于异