摘要

预测道路参与者未来的运动轨迹对于自动驾驶系统至关重要，但由于运动不确定性极为显著，这一任务极具挑战性。近年来，大多数运动预测方法采用基于目标（goal-based）的策略，即先预测轨迹的终点坐标作为条件，再据此回归完整的运动轨迹，从而缩小解空间。然而，准确预测和评估目标坐标本身十分困难。此外，仅以点形式表示目的地会限制对丰富道路环境上下文信息的利用，导致在许多场景下预测结果不够准确。相比之下，目标区域（goal area）——即可能的目的地范围——而非单一坐标点，能够为潜在轨迹搜索提供更柔和的约束，同时引入更大的容错空间与更强的引导性。基于此，本文提出一种全新的基于目标区域的运动预测框架，命名为目标区域网络（Goal Area Network, GANet）。该框架将目标区域而非精确目标坐标作为轨迹预测的先验条件，显著提升了预测的鲁棒性与准确性。具体而言，我们设计了一种GoICrop（Goal Area of Interest）算子，可有效提取目标区域内的语义车道特征，并建模交通参与者之间的未来交互关系，从而极大促进未来轨迹的估计。在Argoverse挑战赛的公开排行榜上（截至本文投稿时），GANet位列所有已发表文献中的第一名，其源代码也将随后公开发布。