清華新聞網8月25日電 近日，我室李克強院士、李升波教授領導的研究團隊，依靠自主創新的SEPT網絡及DuCa訓練技術于自動駕駛軌跡預測領域取得重要突破。該工作在國際知名的Argoverse軌跡預測挑戰賽（Argoverse Motion Forecasting Competition）中斬獲佳績，于官方評比的7項關鍵技術指標，取得6項指標的全球第一排名。這一工作為高安全、高可靠的自動駕駛系統開發奠定了堅實的基礎。

20230824-我室李克強院士、李升波教授團隊于自動駕駛軌跡預測領域取得重要突破-車輛學院自動駕駛團隊-Argoverse競賽榜單.png

Argoverse競賽榜單（網址：https://eval.ai/web/challenges/challenge-page/454/leaderboard/1279）

交通參與者行為預測是高級別自動駕駛系統的核心技術，也是認知智能領域最具有挑戰性的難題之一。面向城市道路場景，準確預測每一個交通參與者的運行狀態，是構建高安全、高可靠的自動駕駛決策、規劃與控制能力的先決條件。面臨道路幾何結構復雜異構，交通流人車混雜、動態特性時變，準確理解各動靜態要素的時空關系十分困難；人類的駕駛行為具有強隨機和強動態性，導致意圖多樣且多變，難以使用單一模態進行描述；交通參與者之間存在強博弈性，尤其是密集交通狀況下，每一輛車的行為變化都將引起周車行為的隨動，進而影響自車的未來運動狀態。

Argoverse是國際公認的自動駕駛運動預測權威數據集，其挑戰賽由人工智能領域的頂級會議CVPR于2020年發起。Argoverse運動預測數據集的特點包括：數據規模大，超過30萬個實際道路數據樣本；場景覆蓋范圍廣，包括多車道、丁字路口、十字路口、進出匝道等；競賽參與者多，超過340支參賽隊伍，涵蓋自動駕駛領域的知名研究團隊，如CMU、MIT、Stanford、香港中文大學、Google Research、Waymo、華為、商湯等。據不完全統計，近3年超過1000篇同領域研究工作以該數據集為基礎。該數據集評比的七項技術指標為：brier-minFDE(K=6), minFDE(K=6), minADE(K=6), minFDE(K=1), minADE(K=1), MR(K=1)，MR(K=6)。清華大學提出的SEPT預測網絡以及對應的DuCa訓練技術于前6項技術指標均獲得第一名，第7項技術指標獲得第二名（全部340余項參賽算法）。另外，若僅對比官方排名前40位的綜合性算法，SEPT網絡的預測能力在所有7項技術指標中全部排名第一。

所提出方法的創新之處包括：（1）Scene Encoding Predictive Transformer（SEPT）網絡：該網絡包括Scene Encoder與Trajectory Predictor兩個核心組成。前者以靜態路徑生成器（采用團隊已有的IDC架構設計）為前置，建立了時空分離的動態場景編碼網絡，先理解歷史軌跡的動態時序信息，后處理車-路/車-車空間關系，具備網絡結構擴展性好、適用于級聯訓練的優點；后者則輸入場景編碼，使用互注意力網絡，從可學習的查詢向量直接生成多模態軌跡，避免了對錨點與軌跡proposal等中間態向量的依賴，模型更為簡潔且參數可訓練性更好；（2）Dual Cascading（DuCa）訓練技術：建立了Scene Encoder與Trajectory Predictor交互支持的雙階段級聯訓練方法。第一階段重點關注場景編碼的表征學習，包含三個自監督訓練任務：周車軌跡掩碼重建，矢量化道路掩碼重建和目標車輛終端軌跡預測；第二階段增加解碼層的互注意力網絡，進行軌跡預測的上下游任務聯合訓練，通過近似軌跡意圖的概率分布實現行為的多模態準確預測。

該研究工作得到國家“十四五”重點研發計劃、國家自然科學基金以及清華大學自主科研計劃的資助。