A Unified Framework for Trajectory Prediction with Explicit Planning and Reaction Decomposition

ملخص تقني: إطار عمل موحد للتنبؤ بالمسار عبر تفكيك التخطيط والاستجابة الصريح

بيان المشكلة
يهدف التنبؤ بالمسار إلى تقدير الحركات المستقبلية للوكلاء داخل مشهد ما، وهي مهمة بالغة الأهمية للقيادة الذاتية وتحليل الحشود. وبينما حسنت الأساليب الحديثة القدرة التنبؤية من خلال صياغات مقترنة تشفر النزعات الفردية، والقيود المشهدية، والتفاعلات الاجتماعية في فضاء كامن مشترك، إلا أن هذه النهج غالبًا ما تخلط بين التأثيرات الاجتماعية المستمدة من مصادر ونطاقات زمنية مختلفة. هذا الخلط يزيد من تعقيد النموذج ويجعله عرضة للارتباطات الزائفة مع أنماط الجيران. علاوة على ذلك، فإن الطرق الهيكلية الحالية تعامل التأثير الاجتماعي كمكون موحد لعملية التنبؤ، وتفشل في التمييز بين أدواره الوظيفية المحددة. وتحديدًا، نادرًا ما تمثل النماذج الحالية "التخطيط المشكل اجتماعيًا" الذي يحدث عندما يتوقع الوكيل السلوكيات المستقبلية للآخرين قبل تنفيذ التعديلات التفاعلية المحلية.

المنهجية: إطار عمل INTraJ
يقترح المؤلفون INTraJ، وهو إطار عمل موحد يعيد صياغة التنبؤ بالمسار كعملية ذات مرحلتين مدفوعة بالنية: التخطيط يليه الاستجابة. يقوم هذا النهج بتفكيك التأثير الاجتماعي صراحةً إلى هاتين المرحلتين المتميزتين بدلاً من نمذجتهما بشكل مشترك.

1. التفكيك الجوهري (وحدة التخطيط-الاستجابة):

   • مرحلة التخطيط: يستخرج النموذج "نية نقية" ($I_{pure}$) من تاريخ الوكيل المستهدف والسياق المحلي. ثم يتم تحديث هذه النواة باستخدام "حامل اجتماعي مستقبلي" ($z$) مستمد من الوكلاء المحيطين لتوليد "نية اجتماعية" ($I_{social}$). يقوم وحدة فك التشفير بترجمة هذه النية إلى مسار مرجعي على مستوى التخطيط ($T_{ideal}$)، والذي يمثل خطة المرور الإجمالية للوكيل بعد توقع السلوكيات الاجتماعية المستقبلية.
   • مرحلة الاستجابة: يحتفظ النموذج بالتنبؤ الكامل للسياق الخاص بالهيكل الأساسي ($T_{full}$) لالتقاط التفاعلات الفورية. يمثل الفرق بين التنبؤ الكامل والمرجع التخطيطي ($S_{high} = T_{full} - T_{ideal}$) التقريبات التفاعلية المحلية (مثل تجنب الاصطدام، أو تغيير السرعة).
   • الدمج: تتحكم آلية بوابات قابلة للتعلم ($\alpha$) في حقن هذه التعديلات التفاعلية في المسار النهائي: $T_{final} = T_{ideal} + \alpha \cdot S_{high}$. يسمح هذا للنموذج بالموازنة الديناميكية بين اتجاهات التخطيط العالمية واستجابات التفاعل المحلية.

2. التنفيذ الموحد عبر النماذج المختلفة:
   يتم تطبيق INTraJ تحت نموذجين مختلفين للتنبؤ، يختلفان فقط في كيفية بناء النية النقية والحامل الاجتماعي:

   • نموذج متعدد الأهداف: يُستخدم مع هياكل مثل QCNet. يتم استخراج النية النقية من تاريخ الوكيل المستهدف. يتم بناء الحامل الاجتماعي المستقبلي من المستقبلات الصريحة المتوقعة للوكلاء غير المستهدفين ($P_{others}$)، والتي يتم تشفيرها ودمجها عبر الانتباه المتقاطع (cross-attention) لتحديث بذرة التخطيط.
   • نموذج الهدف الواحد: يُستخدم مع هياكل مثل DeMo. نظرًا لعدم توفر مستقبلات صريحة للوكلاء غير المستهدفين بشكل مباشر، يبني الإطار النية النقية عبر فرع "حجب الآخرين" (الخاص بالذات فقط) وحامل اجتماعي عبر فرع "الذات الثابتة". في فرع الذات الثابتة، يتم ضبط حركة الوكيل لتكون ثابتة، مما يسمح للنموذج بتشفير الاستجابة الاجتماعية الكامنة للوكلاء المحيطين تحت حالة افتراضية مضادة. يتم بعد ذلك حقن هذه الاستجابة الكامنة في تمثيل التخطيط.

3. أهداف التدريب:
   يتم تدريب الإطار باستخدام دالة خسارة مشتركة تتكون من:

   • خسارة التنبؤ ($L_{pred}$): خسارة قياسية للمسار الناتج النهائي.
   • خسارة المرجع التخطيطي ($L_{ref}$): تشرف على فرع $T_{ideal}$ باستخدام نسخة ممهدة (smoothed) من المسار الحقيقي لفرض خطط حركة سلسة ومنخفضة التردد.
   • التنظيم المساعد ($L_{aux}$): منظم قائم على التباين يتم تطبيقه على وزن البوابة $\alpha$ لمنع النموذج من الانهيار إلى قيمة عالية موحدة (تجاهل التفكيك فعليًا) أثناء التدريب المبكر.

المساهمات الرئيسية

1. النمذجة الاجتماعية الهرمية: قدمت الورقة رؤية تفكك التأثير الاجتماعي إلى مرحلة تخطيط (مسار عالمي مشكل اجتماعيًا) ومرحلة استجابة (تعديلات محلية)، وتصيغ تكوين المسار كعملية متسلسلة.
2. إطار عمل موحد: يوفر INTraJ صياغة واحدة تدعم كلاً من نماذج التنبؤ متعددة الأهداف والهدف الواحد، مع تكييف بناء الحوامل الاجتماعية وفقًا لبنية الهيكل الأساسي.
3. القدرة على التعميم: أظهرت الطريقة مكاسب أداء متسقة عبر سيناريوهات القيادة الذاتية (Argoverse 2) وتنبؤ الحشود الصرفة (ETH/UCY, SDD)، مما يشير إلى أن نمذجة التفاعل الاجتماعي الهرمي تتعمم عبر بيئات التفاعل المختلفة.

النتائج التجريبية
أُجريت تجارب مكثفة على أربعة معايير: Argoverse 2 (AV2)، وArgoverse 2-ped، وETH/UCY، وSDD.

• معايير الحشود: في ETH/UCY وSDD، حقق INTraJ المدمج مع هيكل Resonance أداءً هو الأفضل في فئته (SOTA). والجدير بالذكر أنه قلل خطأ الإزاحة النهائي (FDE) في SDD إلى 9.87 (من أكثر من 10 في الطرق الحالية) وحسن FDE بنسبة 7.2% إجماليًا في ETH/UCY، مع زيادة قدرها 12.2% في المجموعات الفرعية ذات الأفق الزمني الطويل.
• القيادة الذاتية: في AV2، حسن INTraJ كلاً من QCNet (متعدد الأهداف) وDeMo (الهدف الواحد). على سبيل المثال، في DeMo، حقق minFDE6 بقيمة 1.17 وminADE6 بقيمة 0.61.
• دراسات الاستئصال (Ablation Studies): أكدت النتائج أن كلاً من مرحلتي التخطيط والاستجابة ضروريتان؛ حيث أدى حذف أي منهما أو حذف آلية البوابة إلى تدهور الأداء. نُسبت المكاسب إلى التفكيك الهيكلي وليس إلى تراكم المعلمات.
• المتانة: أظهر الإطار قدرة على تحمل التنبؤات غير الكاملة للوكلاء المحيطين، حيث حافظ على الأداء حتى عند حقن ضوضاء غاوسية (Gaussian noise) في الحامل الاجتماعي المستقبلي.
• الكفاءة: مقارنة بالنموذج المرجعي QCNet، قدم INTraJ عبئًا حسابيًا متوسطًا (زادت المعلمات من 7.66 مليون إلى 8.46 مليون؛ وتغير زمن الاستجابة من 37.94 مللي ثانية إلى 44.64 مللي ثانية) مع التفوق على طرق تحسين أخرى مثل SmartRefine.

الأهمية والادعاءات
تدعي الورقة أن INTraJ يعيد صياغة التنبؤ بالمسار من مهمة انحدار أحادية الكتلة إلى عملية ذات مرحلتين مدفوعة بالتخطيط. من خلال الفصل الصريح بين بناء مسار مثالي مشكل اجتماعيًا واستعادة التعديلات التفاعلية المحلية، يعالج الإطار القيود التي تفرضها الصياغات المقترنة التي تخلط بين التأثيرات الاجتماعية. ويفترض المؤلفون أن النمذجة الاجتماعية المتدرجة أمر بالغ الأهمية لإنتاج تنبؤات مستقرة ومتماسكة ومتسقة على المدى الطويل. وتؤكد النتائج أن تفكيك التأثير الاجتماعي إلى تخطيط واستجابة يوفر نموذجًا فعالًا وقابلًا للتعميم للتنبؤ بالمسار عبر سيناريوهات متعددة الوكلاء متنوعة.