軌跡預(yù)測在自動駕駛中承擔(dān)著重要的角色，自動駕駛軌跡預(yù)測是指透過分析車輛行駛過程中的各種數(shù)據(jù)，預(yù)測車輛未來的行駛軌跡。作為自動駕駛的核心模組，軌跡預(yù)測的品質(zhì)對於下游的規(guī)劃控制至關(guān)重要。軌跡預(yù)測任務(wù)技術(shù)堆疊豐富，需熟悉自動駕駛動/靜態(tài)感知、高精地圖、車道線、神經(jīng)網(wǎng)路架構(gòu)（CNN&GNN&Transformer）技能等，入門難度很高！許多粉絲期望能夠盡快上手軌跡預(yù)測，少踩坑，今天就為大家盤點(diǎn)下軌跡預(yù)測常見的一些問題和入門學(xué)習(xí)方法！

入門相關(guān)知識

1.預(yù)習(xí)的論文有沒有切入順序？

A：先看survey，problem formulation, deep learning-based methods裡的sequential network，graph neural network和Evaluation。

2.行為預(yù)測是軌跡預(yù)測嗎

耦合和行為並不相同，耦合通常指目標(biāo)車可能採取的動作，例如變換車道、停車、超車、加速、左轉(zhuǎn)、右轉(zhuǎn)或直行。而軌跡則指具有時間資訊的具體未來位置點(diǎn)。

3.請問Argoverse資料集裡提到的資料組成中，labels and targets指的是什麼呢？ labels是指要預(yù)測時間段內(nèi)的ground truth嗎

在右邊的表格中，OBJECT_TYPE欄通常代表自動駕駛車輛本身。資料集通常為每個場景指定一個或多個待預(yù)測的障礙物，並將這些待預(yù)測目標(biāo)稱為target或focal agent。有些資料集也會為每個障礙物提供語義標(biāo)籤，例如車輛、行人或自行車等。

Q2：車輛和行人的資料形式是一樣的嗎？我的意思是說，例如一個點(diǎn)雲(yún)點(diǎn)代表行人，幾十點(diǎn)代表車輛？

A：這種軌跡資料集裡面其實給的都是物體中心點(diǎn)的xyz座標(biāo)，行人和車輛都是

Q3：argo1和argo2的資料集都是只指定了一個被預(yù)測的障礙物吧？那在做multi-agent prediction的時候 這兩個資料集是怎麼用的

argo1只指定了一個障礙物，而argo2卻可能指定了多達(dá)二十個。然而，即使只指定了一個障礙物，這並不會影響您模型的能力來預(yù)測多個障礙物。

4.路徑規(guī)劃一般考慮低速與靜態(tài)障礙物 ?軌跡預(yù)測結(jié)合的功能是？ ？關(guān)鍵snapshot?

A：」預(yù)測「自車軌跡當(dāng)成自車規(guī)劃軌跡，可以參考uniad

5.軌跡預(yù)測對於車輛動力學(xué)模型的要求高嗎？就是需要數(shù)學(xué)和汽車?yán)碚摰葋斫⒁粋€精準(zhǔn)的車輛動力學(xué)模型麼？

A：nn網(wǎng)路基本上不需要哈，rule based的需要懂一些

6. 模糊的新手小白，應(yīng)該從哪裡在著手拓寬一下知識面（還不會代碼撰寫）

A：先看綜述，把心智圖整理出來，例如《Machine Learning for Autonomous Vehicle's Trajectory Prediction: A comprehensive survey, Challenges, and Future Research Directions》這篇綜述去看看英文原文

7.預(yù)測與決策啥關(guān)係捏，為啥我覺得好像預(yù)測沒那麼重要?

A1(stu): 默認(rèn)預(yù)測屬于感知吧，或者決策中隱含預(yù)測，反正沒有預(yù)測不行。A2(stu): 決策該規(guī)控做，有行為規(guī)劃，高級一點(diǎn)的就是做交互和博弈，有的公司會有單獨(dú)的交互博弈組

8.目前頭公司，一般預(yù)測是屬於感知大模組還是規(guī)控大模組？

A:預(yù)測是出他車軌跡，規(guī)控是出自車軌跡，這兩個軌跡還互相影響，所以預(yù)測一般放規(guī)控。

Q: 一些公開的資料，例如小鵬的感知xnet會同時出預(yù)測軌跡，這時候又感覺預(yù)測的工作是放在感知大模組下，還是說兩個模組都有自己的預(yù)測模組，目標(biāo)不一樣？

A:是會互相影響，所以有的地方預(yù)測和決策就是一組。例如自車規(guī)劃的軌跡意圖去擠別的車，他車一般狀況是會讓道的。所以有些工作會把自車的規(guī)劃當(dāng)成他車模型輸入的一部分?？梢詤⒖枷翸2I(M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction). 這篇思路差不多，可以了解?PiP: Planning-informed Trajectory Prediction for Autonomous Driving

#9.argoverse的這種車道中線地圖，在路口裡面沒有車道線的地方是怎麼得到的呀?

A: 人工標(biāo)註的

10.用軌跡預(yù)測寫論文的話，哪篇論文的程式碼可以做baseline?

A: hivt可以做baseline，蠻多人用的

11.現(xiàn)在軌跡預(yù)測基本上都依賴地圖，如果換一個新的地圖環(huán)境，原模型是否就不適用了，要重新訓(xùn)練嗎？

A: 有一定的泛化能力，不需要重新訓(xùn)練效果也還行

12.對多模態(tài)輸出而言，選擇最佳軌跡的時候是根據(jù)機(jī)率值最大的選嗎

A(stu): 選擇結(jié)果最好的Q2:結(jié)果最好是根據(jù)什么來判定呢？是根據(jù)概率值大小還是根據(jù)和gt的距離A: 實際在沒有g(shù)round truth的情況下，你要取“最好”的軌跡，那只能選擇相信預(yù)測概率值最大的那條軌跡了Q3: 那有g(shù)t的情況下，選擇最好軌跡的時候，根據(jù)和gt之間的end point或者average都可以是嗎A: 嗯嗯，看指標(biāo)咋定義

軌跡預(yù)測基礎(chǔ)模組

1.Argoverse資料集裡HD-Map怎麼用，能結(jié)合motion forecast作為輸入，建立駕駛場景圖嗎，異構(gòu)圖又怎麼理解？

A：這個課程裡都有講的，可以參考第二章，後續(xù)的第四章也會講. ?異構(gòu)圖和同構(gòu)圖的區(qū)別:同構(gòu)圖中，node的種類只有一種，一個node和另一個node的連結(jié)關(guān)係只有一種，例如在社交網(wǎng)絡(luò)中，可以想像node只有'人'這一個種類，edge只有'認(rèn)識'這一種連結(jié)。而人和人要嘛認(rèn)識，要嘛不認(rèn)識。但也可能細(xì)分有人，按讚，推文。則人和人可能透過認(rèn)識連接，人和推文可能透過按讚連接，人和人也可能透過按讚同一篇推文連接(meta path）。這裡節(jié)點(diǎn)、節(jié)點(diǎn)之間關(guān)係的多樣性表現(xiàn)就需要引入異構(gòu)圖了。異構(gòu)圖中，有很多種node。 node之間也有很多種連結(jié)關(guān)係(edge)，這些連結(jié)關(guān)係的組合則種類更多(meta-path), 而這些node之間的關(guān)係有輕重之分，不同連結(jié)關(guān)係也有輕重之分。

2.A-A互動考慮的是哪些車輛與被預(yù)測車輛的互動呢？

A：可以選擇一定半徑範(fàn)圍內(nèi)的車，也可以考慮K近鄰的車，你甚至可以自己提出更高級的啟發(fā)式鄰居篩選策略，甚至有可能可以讓模型自己學(xué)出來兩輛車是否是鄰居

Q2：還是考慮一定範(fàn)圍內(nèi)的吧，那半徑大小有什麼選取的原則嗎？另外，選取的這些車輛是在哪個時間步下的呢

A：半徑的選擇很難有標(biāo)準(zhǔn)答案，這本質(zhì)上就是在問模型做預(yù)測的時候到底需要多遠(yuǎn)程的信息，有點(diǎn)像在選擇卷積核的大小對於第二個問題，我個人的準(zhǔn)則是，想要建模哪個時刻下物體之間的交互，就根據(jù)哪個時刻下的物體相對位置來選取鄰居

Q3：這樣的話對於歷史時域都要建模嗎？不同時間步下在一定範(fàn)圍內(nèi)的周邊車輛也會變化吧，還是說只考慮在當(dāng)前時刻的周邊車輛資訊

A：都行啊，看你模型怎麼設(shè)計

3.老師uniad端對端模型中預(yù)測部分有何缺陷啊？

A：只看它motion former的操作比較常規(guī)，你在很多論文裡都會看到類似的SA和CA?，F(xiàn)在sota的模型很多都比較重，例如decoder會有循環(huán)的refine

A2：做的是marginal prediction不是joint prediction；2. prediction和planning是分開來做的，沒有明確考慮ego和周圍agent的互動博弈；3.用的是scene-centric representation，沒有考慮對稱性，效果必拉

Q2：啥是marginal prediction啊

#A：具體可以參考scene transformer

Q3：關(guān)於第三點(diǎn)，scene centric沒有考慮對稱性，怎麼理解呢

#A：建議看HiVT, QCNet, MTR .當(dāng)然對於端到端模型來說對稱性的設(shè)計也不好做就是了

A2：可以理解成輸入的是scene的數(shù)據(jù)，但在網(wǎng)路裡會建模成以每個目標(biāo)為中心視角去看它週邊的scene，這樣你就在forward裡得到了每個目標(biāo)以它自己為中心的編碼，後續(xù)可以再考慮這些編碼間的交互

4. 什麼是以agent為中心？

A：每個agent有自己的local region，local region是以這個agent為中心

5.軌跡預(yù)測裡yaw和heading是混用的嗎

A：可以理解為車頭朝向

6.argoverse地圖中的has_traffic_control這個屬性具體代表什麼意思?

A：其實我也不知道我理解的對不對，我猜是指某個lane是否被紅綠燈/stop sign/限速標(biāo)誌等所影響

7.請問Laplace loss和huber loss 對於軌跡預(yù)測所存在的優(yōu)劣勢在哪裡呢?如果我只預(yù)測一條車道線的話

A：兩個都試一下，哪個效果好哪個就有優(yōu)勢。 Laplace loss要效果好還是有些細(xì)節(jié)要注意的

Q2：是指參數(shù)要調(diào)的好嗎

A：Laplace loss相比L1 loss其實就是多預(yù)測了一個scale參數(shù)

Q3：對的但似乎這個我不知道有啥用如果只預(yù)測一個軌跡的話。感覺像是多餘的。我把它理解為不確定性 不知道是否正確

A：如果你從零推導(dǎo)過最小二乘法就會知道，MSE其實是假設(shè)了方差為常數(shù)的高斯分布的NLL。同理，L1 loss也是假設(shè)了方差為常數(shù)的Laplace分布的NLL。所以說LaplaceNLL也可以理解為方差非定值的L1 loss。這個方差是模型自己預(yù)測出來的。為了使loss更低，模型會給那些擬合得不太好的樣本一個比較大的方差，而給擬合得好的樣本比較小的方差

Q4：那是不是可以理解為對于非常隨機(jī)的數(shù)據(jù)集【軌跡數(shù)據(jù)存在缺幀 抖動】 就不太適合Laplace 因為模型需要去擬合這個方差？需要數(shù)據(jù)集質(zhì)量比較高

A：這個說法我覺得不一定成立。從效果上來看，會鼓勵模型優(yōu)先學(xué)習(xí)比較容易擬合的樣本，再去學(xué)習(xí)難學(xué)習(xí)的樣本

Q5：還想請問下這句話（Laplace loss要效果好還是有些細(xì)節(jié)要注意的）如何理解 A：主要是預(yù)測scale那里。在模型上，預(yù)測location的分支和預(yù)測scale的分支要盡量解耦，不要讓他們相互干擾。預(yù)測scale的分支要保證輸出結(jié)果>0，一般人會用exp作為激活函數(shù)保證非負(fù)，但是我發(fā)現(xiàn)用ELU +1會更好。然后其實scale的下界最好不要是0，最好讓scale>0.01或者>0.1啥的。以上都是個人看法。其實我開源的代碼（周梓康大佬的github開源代碼）里都有這些細(xì)節(jié)，不過可能大家不一定注意到。

給出鏈接：https://github.com/ZikangZhou/QCNet

https://github.com/ZikangZhou/HiVT

8. 有拿VAE做軌跡預(yù)測的嗎，給個鏈接!

https://github.com/L1aoXingyu/pytorch-beginner/tree/master/08-AutoEncoder

9. 請問大伙一個問題，就是Polyline到底是啥?另外說polyline由向量Vector組成，這些Vector是相當(dāng)于節(jié)點(diǎn)嗎？

A：Polyline就是折線，折線就是一段一段的，每一段都可以看成是一段向量Q2：請問這個折線段和圖神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)之間的邊有關(guān)系嗎？或者說Polyline這個折現(xiàn)向量相當(dāng)于是圖神經(jīng)網(wǎng)絡(luò)當(dāng)中的節(jié)點(diǎn)還是邊呀？A：一根折線可以理解為一個節(jié)點(diǎn)。軌跡預(yù)測里面沒有明確定義的邊，邊如何定義取決于你怎么理解這個問題。Q3: VectorNet里面有很多個子圖，每個子圖下面有很多個Polyline，把Polyline當(dāng)做向量的話，就相當(dāng)于把Polyline這個節(jié)點(diǎn)變成了向量，相當(dāng)于將節(jié)點(diǎn)進(jìn)行特征向量化對嗎?然后Polyline里面有多個Vector向量，就是相當(dāng)于是構(gòu)成這個節(jié)點(diǎn)的特征矩陣么?A: 一個地圖里有很多條polyline;一個Polyline就是一個子圖；一個polyline由很多段比較短的向量組成，每一段向量都是子圖上的一個節(jié)點(diǎn)

10. 有的論文，像multipath++對于地圖兩個點(diǎn)就作為一個單元，有的像vectornet是一條線作為一個單元，這兩種有什么區(qū)別嗎？

A: 節(jié)點(diǎn)的粒度不同，要說效果的話那得看具體實現(xiàn)；速度的話，顯然粒度越粗效率越高Q2：從效果角度看，什么時候選用哪種有沒有什么原則？A: 沒有原則，都可以嘗試

11.有什麼可以判斷score的平滑性嗎? 如果一定要做的話

A: 這個需要你輸入是流動的輸入例如0-19和1-20幀接著比較兩幀之間的對應(yīng)軌跡的score的差的平方，統(tǒng)計下就可以了

Q2: Thomas老師有哪些指標(biāo)推薦呢，我目前用一階導(dǎo)數(shù)和二階導(dǎo)數(shù)。但好像不是很明顯，絕大多數(shù)一階導(dǎo)和二階導(dǎo)都集中在0附近。

A: 我感覺連續(xù)影格的對應(yīng)軌跡的score的差值平方就可以了呀，例如你有連續(xù)n個輸入，求和再除以n。但是scene是即時變化的，發(fā)生互動或從非路口到路口的時候score就應(yīng)該是突變的

12.hivt裡的軌跡沒有進(jìn)行縮放嗎，就比如×0.01 10這種。分佈盡量在0附近。我看有的方法就用了，有的方法就沒有。取捨該如何界定?

A：就是把資料標(biāo)準(zhǔn)化歸一化唄。可能有點(diǎn)用 但應(yīng)該不多

13.HiVT裡地圖的類別屬性經(jīng)過embedding之後為什麼和數(shù)值屬性是相加的，而不是concat？

A：相加和concat區(qū)別不大，而對於類別embedding和數(shù)值embedding融合來說，實際上完全等價

Q2: 完全等價應(yīng)該怎麼理解？

A: 兩者Concat之後再過一層線性層，實際上等價於把數(shù)值embedding過一層線性層以及把類別embedding過一層線性層後，兩者再相加起來.把類別embedding過一層線性層其實沒啥意義，理論上這一層線性層可以跟nn.Embeddding裡面的參數(shù)融合起來

14.作為用戶可能更關(guān)心的是，HiVT如果要實際部署的話，最小的硬體需求是多少？

A：我不知道，但根據(jù)我了解到的信息，不知道是NV還是哪家車廠是拿HiVT來預(yù)測行人的，所以實際部署肯定是可行的

15. 基於occupancy network的預(yù)測有什麼特別嗎？有沒有論文推薦？

A：目前基於occupancy的未來預(yù)測的方案裡面最有前途的應(yīng)該是這個：https://arxiv.org/abs/2308.01471

#16.考慮規(guī)劃軌跡的預(yù)測有什麼論文推薦嗎？就是預(yù)測其他障礙物的時候，考慮自車的規(guī)劃軌跡？

A：這個可能公開的資料集比較困難，一般不會提供自車的規(guī)劃軌跡。上古時期有一篇叫做PiP的，港科Haoran Song。我感覺那種做conditional prediction的文章都可以算是你想要的，例如M2I

#17.有沒有適合預(yù)測演算法進(jìn)行效能測試的模擬專案可以學(xué)習(xí)參考的呢

A(stu)：這篇論文有討論：Choose Your Simulator Wisely A Review on Open-source Simulators for Autonomous Driving

18.請問如何估計GPU顯存需要多大，如果使用Argoverse資料集的話，怎麼算

A：和怎麼用有關(guān)係，之前跑hivt我1070都可以，現(xiàn)在一般電腦應(yīng)該都可以

原文連結(jié)：https:/ /mp.weixin.qq.com/s/EEkr8g4w0s2zhS_jmczUiA