IMPACT: Behavioral Intention-aware Multimodal Trajectory Prediction with Adaptive Context Trimming
作者: Jiawei Sun, Xibin Yue, Jiahui Li, Tianle Shen, Chengran Yuan, Shuo Sun, Sheng Guo, Quanyun Zhou, Marcelo H Ang
分类: cs.RO
发布日期: 2025-04-12 (更新: 2025-11-10)
备注: accepted by IEEE Robotics and Automation Letters
💡 一句话要点
IMPACT：结合行为意图感知的自适应上下文修剪多模态轨迹预测
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 轨迹预测 行为意图预测 多模态预测 上下文修剪 自动驾驶
📋 核心要点
- 现有轨迹预测方法较少显式建模多模态行为意图，导致预测精度和可解释性受限。
- 提出IMPACT框架，联合预测行为意图和轨迹，利用共享编码器和自适应上下文修剪提升效率。
- 在Waymo数据集上取得领先成果，无需模型集成softmAP提升10%，并在真实车辆上成功部署。
📝 摘要（中文）
本文提出了一种统一的框架，用于联合预测行为意图（例如，让行、超车）和轨迹，从而提高预测精度、可解释性和效率。该方法采用共享上下文编码器进行意图和轨迹预测，减少结构冗余和信息损失。通过自动标注主流数据集（Waymo、Argoverse）来解决缺乏行为意图标签的问题。此外，引入矢量化占用预测模块，推断目标车辆未来轨迹占用每个地图折线的概率。利用意图和占用预测先验，该方法在解码阶段动态地、模态依赖地修剪不相关的智能体和地图折线，有效减少计算开销并减轻非关键元素的噪声。该方法在Waymo Motion Dataset上排名第一（无激光雷达方法），并在Waymo Interactive Prediction Dataset上获得第一名。即使没有模型集成，单模型框架的softmAP也比Waymo Interactive Prediction Leaderboard上的第二名提高了10%。该框架已成功部署在真实车辆上，证明了其在实际应用中的有效性。
🔬 方法详解
问题定义：现有的轨迹预测方法通常侧重于提高预测精度，而忽略了对智能体行为意图（如让行、超车等）的显式建模。缺乏对行为意图的理解会导致预测结果的不确定性增加，并且难以解释预测结果。此外，主流数据集缺乏行为意图的标注，进一步限制了相关研究的进展。
核心思路：论文的核心思路是联合预测智能体的行为意图和轨迹，并利用预测的意图信息来指导轨迹预测过程。通过显式地建模行为意图，可以提高预测的准确性和可解释性。此外，论文还提出了一种自适应上下文修剪机制，根据预测的意图和占用信息，动态地过滤掉不相关的智能体和地图元素，从而减少计算开销和噪声干扰。
技术框架：IMPACT框架包含以下几个主要模块：1) 共享上下文编码器：用于提取场景中所有智能体和地图元素的上下文特征。2) 行为意图预测模块：基于上下文特征预测目标智能体的行为意图。3) 轨迹预测模块：基于上下文特征和预测的意图信息，预测目标智能体的未来轨迹。4) 矢量化占用预测模块：预测目标车辆未来轨迹占用每个地图折线的概率。5) 自适应上下文修剪模块：根据预测的意图和占用信息，动态地修剪不相关的智能体和地图元素。
关键创新：该论文的关键创新点在于：1) 联合预测行为意图和轨迹，提高了预测的准确性和可解释性。2) 提出了一种自适应上下文修剪机制，根据预测的意图和占用信息，动态地过滤掉不相关的智能体和地图元素，从而减少计算开销和噪声干扰。3) 通过自动标注数据集，解决了缺乏行为意图标签的问题。
关键设计：共享上下文编码器采用Transformer结构，用于提取场景中所有智能体和地图元素的上下文特征。行为意图预测模块采用多层感知机（MLP）进行分类。轨迹预测模块采用基于GRU的循环神经网络。矢量化占用预测模块预测每个地图折线被目标车辆未来轨迹占据的概率。自适应上下文修剪模块根据意图和占用预测的置信度，动态地选择保留哪些智能体和地图元素。
🖼️ 关键图片
📊 实验亮点
IMPACT在Waymo Motion Dataset上取得了领先的性能，在无激光雷达方法中排名第一。在Waymo Interactive Prediction Dataset上，IMPACT也获得了第一名，并且在没有模型集成的情况下，softmAP比第二名提高了10%。这些实验结果表明，IMPACT能够有效地预测智能体的行为意图和轨迹，并在复杂交通场景下表现出优异的性能。
🎯 应用场景
该研究成果可应用于自动驾驶、高级驾驶辅助系统（ADAS）等领域，提升车辆在复杂交通场景下的决策能力和安全性。通过准确预测其他交通参与者的行为意图和轨迹，自动驾驶系统能够更好地理解周围环境，从而做出更安全、更合理的驾驶决策。此外，该方法还可以用于交通流量预测、交通拥堵分析等领域，为智能交通系统的发展提供支持。
📄 摘要（原文）
While most prior research has focused on improving the precision of multimodal trajectory predictions, the explicit modeling of multimodal behavioral intentions (e.g., yielding, overtaking) remains relatively underexplored. This paper proposes a unified framework that jointly predicts both behavioral intentions and trajectories to enhance prediction accuracy, interpretability, and efficiency. Specifically, we employ a shared context encoder for both intention and trajectory predictions, thereby reducing structural redundancy and information loss. Moreover, we address the lack of ground-truth behavioral intention labels in mainstream datasets (Waymo, Argoverse) by auto-labeling these datasets, thus advancing the community's efforts in this direction. We further introduce a vectorized occupancy prediction module that infers the probability of each map polyline being occupied by the target vehicle's future trajectory. By leveraging these intention and occupancy prediction priors, our method conducts dynamic, modality-dependent pruning of irrelevant agents and map polylines in the decoding stage, effectively reducing computational overhead and mitigating noise from non-critical elements. Our approach ranks first among LiDAR-free methods on the Waymo Motion Dataset and achieves first place on the Waymo Interactive Prediction Dataset. Remarkably, even without model ensembling, our single-model framework improves the soft mean average precision (softmAP) by 10 percent compared to the second-best method in the Waymo Interactive Prediction Leaderboard. Furthermore, the proposed framework has been successfully deployed on real vehicles, demonstrating its practical effectiveness in real-world applications.