ProgD: Progressive Multi-scale Decoding with Dynamic Graphs for Joint Multi-agent Motion Forecasting

📄 arXiv: 2509.09210v1 📥 PDF

作者: Xing Gao, Zherui Huang, Weiyao Lin, Xiao Sun

分类: cs.AI, cs.RO

发布日期: 2025-09-11

💡 一句话要点

ProgD：基于动态图的渐进多尺度解码，用于多智能体联合运动预测

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 多智能体运动预测 动态图神经网络 异构图 渐进式解码 自动驾驶 场景建模

📋 核心要点

  1. 现有方法忽略了多智能体交互的演变特性，导致运动预测精度受限。
  2. ProgD利用动态异构图进行场景建模，并采用渐进多尺度解码策略，显式捕捉未来场景中不断演变的社会交互。
  3. ProgD在INTERACTION和Argoverse 2基准测试中均取得了领先性能，验证了其有效性。

📝 摘要（中文）

精确预测周围智能体的运动对于自动驾驶车辆的安全规划至关重要。最近的研究已将预测技术从单个智能体扩展到多个交互智能体的联合预测，并采用各种策略来解决智能体未来运动中复杂的交互。然而，这些方法忽略了这些交互的演变特性。为了解决这个局限性，我们提出了一种新的渐进多尺度解码策略，称为ProgD，它借助基于动态异构图的场景建模。特别地，为了显式且全面地捕捉未来场景中不断演变的社会交互，考虑到其固有的不确定性，我们设计了一种使用动态异构图对场景进行渐进式建模的方法。随着这种动态异构图的展开，我们设计了一种分解架构来处理未来场景中的时空依赖关系，并逐步消除多个智能体未来运动中的不确定性。此外，我们还引入了多尺度解码过程，以改进未来场景建模和智能体未来运动的一致性预测。所提出的ProgD在INTERACTION多智能体预测基准测试中取得了最先进的性能，排名第一，并在Argoverse 2多世界预测基准测试中也表现出色。

🔬 方法详解

问题定义：论文旨在解决多智能体运动预测中，现有方法忽略智能体间交互关系动态变化的问题。现有方法难以有效建模未来场景中智能体间复杂且不断演变的社会交互，导致预测精度下降，尤其是在复杂交通场景中。

核心思路：核心思路是利用动态异构图来建模场景，并采用渐进多尺度解码策略来处理时空依赖关系，逐步消除未来运动中的不确定性。通过动态图建模，可以显式地捕捉智能体间随时间变化的交互关系。渐进式解码则允许模型逐步细化预测结果，从而提高预测的准确性和一致性。

技术框架：ProgD的整体框架包括以下几个主要模块：1) 动态异构图构建模块，用于建模场景中智能体之间的关系，并随时间演化更新图结构；2) 时空依赖关系处理模块，利用分解架构处理动态图中的时空信息，提取关键特征；3) 渐进多尺度解码模块，逐步消除未来运动的不确定性，并生成最终的运动预测结果。

关键创新：关键创新在于动态异构图的引入和渐进多尺度解码策略的设计。动态异构图能够更准确地捕捉智能体间交互关系的动态变化，而渐进多尺度解码则能够逐步细化预测结果，提高预测的准确性和鲁棒性。与现有方法相比，ProgD能够更好地处理复杂交通场景中的多智能体交互问题。

关键设计：动态异构图的节点表示智能体，边表示智能体之间的交互关系，边的权重可以根据智能体之间的距离、速度等因素动态调整。渐进多尺度解码采用多层解码器，每一层解码器处理不同尺度的特征信息，并逐步细化预测结果。损失函数包括运动预测损失和交互关系预测损失，用于优化模型参数。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

ProgD在INTERACTION多智能体预测基准测试中排名第一，并在Argoverse 2多世界预测基准测试中取得了优异成绩，超越了现有最先进的方法。实验结果表明，ProgD能够有效提高多智能体运动预测的准确性和鲁棒性，尤其是在复杂交通场景中。

🎯 应用场景

该研究成果可应用于自动驾驶、智能交通系统、机器人导航等领域。通过准确预测周围智能体的运动轨迹，自动驾驶车辆可以做出更安全、更合理的决策，提高行驶安全性。智能交通系统可以利用该技术进行交通流量预测和优化，提高交通效率。机器人导航则可以利用该技术进行环境感知和路径规划，实现更智能的自主导航。

📄 摘要（原文）

Accurate motion prediction of surrounding agents is crucial for the safe planning of autonomous vehicles. Recent advancements have extended prediction techniques from individual agents to joint predictions of multiple interacting agents, with various strategies to address complex interactions within future motions of agents. However, these methods overlook the evolving nature of these interactions. To address this limitation, we propose a novel progressive multi-scale decoding strategy, termed ProgD, with the help of dynamic heterogeneous graph-based scenario modeling. In particular, to explicitly and comprehensively capture the evolving social interactions in future scenarios, given their inherent uncertainty, we design a progressive modeling of scenarios with dynamic heterogeneous graphs. With the unfolding of such dynamic heterogeneous graphs, a factorized architecture is designed to process the spatio-temporal dependencies within future scenarios and progressively eliminate uncertainty in future motions of multiple agents. Furthermore, a multi-scale decoding procedure is incorporated to improve on the future scenario modeling and consistent prediction of agents' future motion. The proposed ProgD achieves state-of-the-art performance on the INTERACTION multi-agent prediction benchmark, ranking $1^{st}$, and the Argoverse 2 multi-world forecasting benchmark.