FutureLift: Lifting Trajectory Proposals into Bidirectional Future Graphs for Motion Forecasting

📄 arXiv: 2610.22215v1 📥 PDF

作者: Daniel Grimm, J. Marius Zöllner

分类: cs.CV, cs.LG

发布日期: 2026-10-15

备注: Accepted for presentation at WACV 2027

💡 一句话要点

提出FutureLift以解决自主驾驶中的运动预测精度问题

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 运动预测 异构未来图 双向时间边 自主驾驶 多模态提案 精炼器 机器学习 计算机视觉

📋 核心要点

  1. 现有运动预测方法在多模态提案中存在残余误差，无法有效利用完整的未来提案进行修正。
  2. FutureLift通过将多模态提案表示为异构未来图，利用双向时间边实现单次传递中的信息修正。
  3. 在Argoverse2和Waymo开放运动数据集上，FutureLift在运动预测任务中表现优异，超越了多种基线方法。

📝 摘要（中文）

准确的运动预测对于安全的自主驾驶至关重要，但即使是强大的预测模型也会在多模态提案中留下残余误差。现有的精炼器通常压缩完整提案或顺序更新其片段，限制了完整未来提案作为显式关系上下文进行修正的能力。本文提出FutureLift，这是一种与骨干网络无关的精炼器，将每个多模态提案表示为异构未来图，具有与代理历史、地图元素、替代模式及其他代理未来轨迹相连的空间时间节点。双向时间边允许后续证据在单次传递中修正早期片段，更新后的节点预测残余坐标和置信度修正。在Argoverse2和Waymo开放运动数据集上，FutureLift在冻结提案上持续改进，并在边际和联合预测中超越了本地和专门的精炼器。

🔬 方法详解

问题定义：本文旨在解决现有运动预测方法在多模态提案中存在的残余误差问题。现有精炼器通常无法有效利用完整的未来提案进行修正，导致预测精度不足。

核心思路：FutureLift的核心思想是将每个多模态提案表示为异构未来图，通过双向时间边实现信息的双向流动，从而在单次传递中修正早期的预测片段。

技术框架：FutureLift的整体架构包括多个模块：首先接收提案、分数和场景上下文，然后构建异构未来图，最后通过双向时间边进行信息修正，输出更新后的预测结果。

关键创新：FutureLift的主要创新在于其双向时间边设计，使得后续证据能够在单次传递中修正早期的预测片段，这一设计与现有方法的顺序更新方式形成鲜明对比。

关键设计：FutureLift仅需提案、分数和场景上下文，提供了一个通用的精炼接口，适用于结构不同的预测骨干网络。其损失函数和网络结构经过精心设计，以确保在不同数据集上均能实现优异的性能。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

在WOMD运动预测排行榜上，FutureLift在最小平均定位误差(minADE)和最小最终定位误差(minFDE)中分别取得了0.5049m和0.9942m的优异成绩，超越了多种标准输入方法，且在不使用LiDAR或集成的情况下，表现出竞争力的0.4874 Soft mAP。

🎯 应用场景

FutureLift在自主驾驶领域具有广泛的应用潜力，尤其是在复杂环境下的运动预测任务中。其创新的双向时间边设计能够有效提升预测精度，增强自动驾驶系统的安全性和可靠性，未来可应用于无人驾驶汽车、智能交通系统等场景。

📄 摘要（原文）

Accurate motion prediction is critical for safe autonomous driving, yet even strong forecasters leave residual errors in their multimodal proposals. Existing refiners compress complete proposals or update their segments sequentially, preventing the full proposed future from serving as explicit relational context for correction. We introduce FutureLift, a backbone-agnostic refiner that represents each multimodal proposal as a heterogeneous future graph, with spatially grounded temporal nodes connected to agent histories, map elements, alternative modes, and, for joint prediction, other agents future trajectories. Bidirectional temporal edges allow later evidence to revise earlier segments in a single pass, and the updated nodes predict residual coordinate and confidence corrections. Requiring only proposals, scores, and scene context, FutureLift provides a common refinement interface for structurally different forecasting backbones. On Argoverse2 and the Waymo Open Motion Dataset, it consistently improves frozen proposals and outperforms native and specialized refiners across marginal and joint forecasting. On the WOMD motion-prediction leaderboard, FutureLift ranks first in minADE (0.5049m) and minFDE (0.9942m) among the compared standard-input methods, without LiDAR or ensembling, while achieving a competitive 0.4874 Soft mAP.