清華新聞網(wǎng)8月25日電 近日，清華大學(xué)車(chē)輛與運(yùn)載學(xué)院李克強(qiáng)院士、李升波教授領(lǐng)導(dǎo)的研究團(tuán)隊(duì)，依靠自主創(chuàng)新的SEPT網(wǎng)絡(luò)及DuCa訓(xùn)練技術(shù)于自動(dòng)駕駛軌跡預(yù)測(cè)領(lǐng)域取得重要突破。該工作在國(guó)際知名的Argoverse軌跡預(yù)測(cè)挑戰(zhàn)賽（Argoverse Motion Forecasting Competition）中斬獲佳績(jī)，于官方評(píng)比的7項(xiàng)關(guān)鍵技術(shù)指標(biāo)，取得6項(xiàng)指標(biāo)的全球第一排名。這一工作為高安全、高可靠的自動(dòng)駕駛系統(tǒng)開(kāi)發(fā)奠定了堅(jiān)實(shí)的基礎(chǔ)。
Argoverse競(jìng)賽榜單（網(wǎng)址：https://eval.ai/web/challenges/challenge-page/454/leaderboard/1279）
交通參與者行為預(yù)測(cè)是高級(jí)別自動(dòng)駕駛系統(tǒng)的核心技術(shù)，也是認(rèn)知智能領(lǐng)域最具有挑戰(zhàn)性的難題之一。面向城市道路場(chǎng)景，準(zhǔn)確預(yù)測(cè)每一個(gè)交通參與者的運(yùn)行狀態(tài)，是構(gòu)建高安全、高可靠的自動(dòng)駕駛決策、規(guī)劃與控制能力的先決條件。面臨道路幾何結(jié)構(gòu)復(fù)雜異構(gòu)，交通流人車(chē)混雜、動(dòng)態(tài)特性時(shí)變，準(zhǔn)確理解各動(dòng)靜態(tài)要素的時(shí)空關(guān)系十分困難；人類(lèi)的駕駛行為具有強(qiáng)隨機(jī)和強(qiáng)動(dòng)態(tài)性，導(dǎo)致意圖多樣且多變，難以使用單一模態(tài)進(jìn)行描述；交通參與者之間存在強(qiáng)博弈性，尤其是密集交通狀況下，每一輛車(chē)的行為變化都將引起周車(chē)行為的隨動(dòng)，進(jìn)而影響自車(chē)的未來(lái)運(yùn)動(dòng)狀態(tài)。
Argoverse是國(guó)際公認(rèn)的自動(dòng)駕駛運(yùn)動(dòng)預(yù)測(cè)權(quán)威數(shù)據(jù)集，其挑戰(zhàn)賽由人工智能領(lǐng)域的頂級(jí)會(huì)議CVPR于2020年發(fā)起。Argoverse運(yùn)動(dòng)預(yù)測(cè)數(shù)據(jù)集的特點(diǎn)包括：數(shù)據(jù)規(guī)模大，超過(guò)30萬(wàn)個(gè)實(shí)際道路數(shù)據(jù)樣本；場(chǎng)景覆蓋范圍廣，包括多車(chē)道、丁字路口、十字路口、進(jìn)出匝道等；競(jìng)賽參與者多，超過(guò)340支參賽隊(duì)伍，涵蓋自動(dòng)駕駛領(lǐng)域的知名研究團(tuán)隊(duì)，如CMU、MIT、Stanford、香港中文大學(xué)、Google Research、Waymo、華為、商湯等。據(jù)不完全統(tǒng)計(jì)，近3年超過(guò)1000篇同領(lǐng)域研究工作以該數(shù)據(jù)集為基礎(chǔ)。該數(shù)據(jù)集評(píng)比的七項(xiàng)技術(shù)指標(biāo)為：brier-minFDE(K=6), minFDE(K=6), minADE(K=6), minFDE(K=1), minADE(K=1), MR(K=1)，MR(K=6)。清華大學(xué)提出的SEPT預(yù)測(cè)網(wǎng)絡(luò)以及對(duì)應(yīng)的DuCa訓(xùn)練技術(shù)于前6項(xiàng)技術(shù)指標(biāo)均獲得第一名，第7項(xiàng)技術(shù)指標(biāo)獲得第二名（全部340余項(xiàng)參賽算法）。另外，若僅對(duì)比官方排名前40位的綜合性算法，SEPT網(wǎng)絡(luò)的預(yù)測(cè)能力在所有7項(xiàng)技術(shù)指標(biāo)中全部排名第一。
所提出方法的創(chuàng)新之處包括：（1）Scene Encoding Predictive Transformer（SEPT）網(wǎng)絡(luò)：該網(wǎng)絡(luò)包括Scene Encoder與Trajectory Predictor兩個(gè)核心組成。前者以靜態(tài)路徑生成器（采用團(tuán)隊(duì)已有的IDC架構(gòu)設(shè)計(jì)）為前置，建立了時(shí)空分離的動(dòng)態(tài)場(chǎng)景編碼網(wǎng)絡(luò)，先理解歷史軌跡的動(dòng)態(tài)時(shí)序信息，后處理車(chē)-路/車(chē)-車(chē)空間關(guān)系，具備網(wǎng)絡(luò)結(jié)構(gòu)擴(kuò)展性好、適用于級(jí)聯(lián)訓(xùn)練的優(yōu)點(diǎn)；后者則輸入場(chǎng)景編碼，使用互注意力網(wǎng)絡(luò)，從可學(xué)習(xí)的查詢(xún)向量直接生成多模態(tài)軌跡，避免了對(duì)錨點(diǎn)與軌跡proposal等中間態(tài)向量的依賴(lài)，模型更為簡(jiǎn)潔且參數(shù)可訓(xùn)練性更好；（2）Dual Cascading（DuCa）訓(xùn)練技術(shù)：建立了Scene Encoder與Trajectory Predictor交互支持的雙階段級(jí)聯(lián)訓(xùn)練方法。第一階段重點(diǎn)關(guān)注場(chǎng)景編碼的表征學(xué)習(xí)，包含三個(gè)自監(jiān)督訓(xùn)練任務(wù)：周車(chē)軌跡掩碼重建，矢量化道路掩碼重建和目標(biāo)車(chē)輛終端軌跡預(yù)測(cè)；第二階段增加解碼層的互注意力網(wǎng)絡(luò)，進(jìn)行軌跡預(yù)測(cè)的上下游任務(wù)聯(lián)合訓(xùn)練，通過(guò)近似軌跡意圖的概率分布實(shí)現(xiàn)行為的多模態(tài)準(zhǔn)確預(yù)測(cè)。
該研究工作得到國(guó)家“十四五”重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金以及清華大學(xué)自主科研計(jì)劃的資助。
供稿：車(chē)輛與運(yùn)載學(xué)院
題圖設(shè)計(jì)：趙存存
編輯：李華山
審核：郭玲
