Autonomous Driving | Multimodal Trajectory Prediction A Survey

Multimodal Trajectory Prediction: A Survey

Abstract

• 人类行为自然地具有多模态和不确定性的特性，通过给定过去的轨迹和环境信息，可以预测出看似合理的未来轨迹，这个任务称为MTP任务（multimodal trajectory prediction）。本文针对这一方向进行了调研，对研究、框架、数据集、指标进行了分类。

An example of Multimodal Trajectory Prediction

Introduction

• DTP（deterministic trajectory prediction）意味着只给定一条确定性的未来轨迹，这是不现实的；
• MTP（multimodal trajectory prediction）给出多条可能得不同模态的行为轨迹，这是更加现实的方案

Figure 2: An overview of the taxonomy of MTP frameworks

Frameworks for MTP

Figure 3: General Pipelines of DTP and MTP frameworks. The block with multiple layers is executed repeatedly with K different inputs. Dashed blue lines and blocks are executed for training only.

1. Noise-based MTP Framework

• 利用随机噪声将DTP模型变为MTP模型，最直接的方式是在输入中加入高斯噪声以生成多样的预测。对预测使用 variety loss 最小化重建损失：

• Thiede and Brahma [2019] explain that a learner trained with variety loss can converge to the square root of the ground truth probability density function, which further illustrates the success of this loss function.

• 这个框架容易被整合进任何DTP方法中。但它可能生成不现实的预测轨迹，并且难以控制，在它的基础上又诞生了很多先进的 generative 框架。

2 Generative Adversarial Network (GAN)