TPK: Trustworthy Trajectory Prediction Integrating Prior Knowledge For Interpretability and Kinematic Feasibility

Ce papier propose TPK, une méthode de prédiction de trajectoire pour la conduite autonome qui intègre des connaissances a priori sur les interactions et la cinématique de tous les agents routiers pour garantir la faisabilité physique et l'interprétabilité des prédictions.

L'essentiel

🚗 La Prédiction de Trajectoire : Apprendre à la voiture à "penser" comme un humain

Imaginez que vous conduisez une voiture autonome. Pour ne pas avoir d'accident, elle doit deviner ce que vont faire les autres : le piéton qui traverse, le cycliste qui tourne, ou la voiture qui vous double. C'est ce qu'on appelle la prédiction de trajectoire.

Le problème avec les voitures intelligentes actuelles (basées sur l'intelligence artificielle), c'est qu'elles sont comme des élèves brillants mais un peu fous. Elles sont très bonnes pour mémoriser des millions de situations, mais elles font parfois des prédictions bizarres, physiquement impossibles ou illogiques pour un humain.

• Exemple : La voiture pourrait penser qu'un piéton lointain va soudainement sauter sur la route, alors qu'elle ignore un camion qui arrive vite derrière elle. C'est dangereux !

Les chercheurs de ce papier (Marius Baden et son équipe) ont voulu rendre ces prédictions plus fiables et compréhensibles. Ils ont créé un système appelé TPK (Trajectoire de Confiance Intégrée).

Voici comment ils ont fait, avec deux grandes idées :

---

1. Le "Senseur de Bon Sens" (L'Intelligence Sociale) 🧠

Le problème :
Les modèles actuels regardent tout le monde avec la même intensité. C'est comme si vous marchiez dans la rue et que vous fixiez un oiseau perché sur un arbre pendant qu'un bus fonçait vers vous. Votre attention est mal placée.

La solution : Le modèle DG-SFM
Les chercheurs ont ajouté une règle de "bon sens" (un prior) à l'intelligence artificielle. Imaginez que vous donnez à la voiture un guide de survie qui lui dit : "Regarde surtout ce qui arrive vite vers toi ou ce qui est dans ton champ de vision immédiat."

• L'analogie : C'est comme si vous appreniez à un enfant à traverser la rue. Au lieu de lui dire "regarde tout", vous lui apprenez : "Si une voiture arrive vite par derrière, c'est important. Si un oiseau est perché plus loin, ce n'est pas grave."
• Le résultat : La voiture ne se trompe plus sur qui est important. Elle attribue son attention aux bons endroits, exactement comme un humain le ferait. De plus, on peut maintenant voir pourquoi elle a pris telle décision (c'est "interprétable").

---

2. Le "Bouclier de la Physique" (La Réalité du Mouvement) 🏃‍♂️🚲🚗

Le problème :
Parfois, l'IA imagine des trajectoires impossibles. Elle pourrait prédire qu'une voiture tourne instantanément à 90 degrés sans ralentir, ou qu'un piéton accélère à la vitesse d'une fusée. C'est mathématiquement possible pour l'ordinateur, mais physiquement impossible dans la vraie vie.

La solution : Les couches cinématiques
Les chercheurs ont ajouté une "étape de vérification" à la fin du processus de réflexion de la voiture. Avant de dire "Je vais faire ça", la voiture passe sa prédiction à travers un filtre de réalité.

• L'analogie : Imaginez que vous dessinez un chemin sur une carte. L'IA dessine d'abord un trait très rapide et sinueux. Ensuite, votre "filtre de réalité" (le modèle cinématique) prend un crayon et dit : "Attends, une voiture ne peut pas faire ce virage à cette vitesse, et un humain ne peut pas courir à 50 km/h." Alors, il redessine le chemin pour qu'il soit physiquement possible.
• La nouveauté : Ils ont créé un modèle spécial pour les piétons. Les modèles précédents étaient soit trop rigides (comme un robot), soit trop souples (comme un fantôme). Le leur est juste : il permet aux piétons de changer de direction naturellement, mais sans violer les lois de la physique.

---

🏆 Le Résultat : Un peu moins précis, mais beaucoup plus sûr

En combinant ces deux idées, les chercheurs ont obtenu un système qui :

1. Comprend mieux les interactions : Il sait qui est dangereux et qui ne l'est pas (grâce au "Senseur de Bon Sens").
2. Ne fait jamais de bêtises physiques : Il ne prédit jamais de trajectoires impossibles (grâce au "Bouclier de la Physique").

Le compromis :
Il y a un petit détail : parce que la voiture refuse de prédire des mouvements impossibles (même si les données d'entraînement en contenaient), ses prédictions sont légèrement moins précises sur le papier (moins de points de score) que les modèles actuels qui acceptent n'importe quoi.

Mais pourquoi c'est une bonne chose ?
C'est comme un pilote de course. Un pilote qui fait des virages impossibles pour gagner 0,1 seconde est un fou. Un pilote qui respecte les limites de la voiture et conduit de manière prévisible est un pilote de confiance.

En résumé

Ce papier nous dit que pour que les voitures autonomes soient vraiment sûres, il ne suffit pas qu'elles soient "intelligentes" (capables de tout apprendre). Il faut qu'elles soient sages (elles respectent les lois de la physique) et honnêtes (on peut comprendre pourquoi elles prennent leurs décisions). C'est ça, la "confiance" (Trustworthiness).

Résumé technique

Voici un résumé technique détaillé de l'article "TPK: Trustworthy Trajectory Prediction Integrating Prior Knowledge for Interpretability and Kinematic Feasibility", présenté à la 36e Symposium IEEE sur les véhicules intelligents (IV 2025).

1. Problématique

La prédiction de trajectoire est essentielle pour la conduite autonome, permettant aux véhicules d'anticiper les mouvements des usagers de la route. Cependant, les modèles d'apprentissage profond actuels souffrent de deux lacunes majeures qui compromettent leur fiabilité (trustworthiness) :

• Manque d'interprétabilité : Les modèles peuvent attribuer une importance excessive à des agents non pertinents (par exemple, un véhicule lointain influençant la prédiction d'un piéton proche), ce qui contredit le raisonnement humain.
• Infeasibilité cinématique : Les prédictions peuvent être physiquement impossibles (accélérations ou courbures irréalistes), car les modèles apprennent souvent le bruit des données d'entraînement plutôt que les lois physiques.

De plus, les approches existantes utilisant des connaissances a priori (priors) se concentrent souvent sur une seule classe d'agents (piétons ou véhicules) et ne généralisent pas bien aux scénarios de trafic mixte.

2. Méthodologie

Les auteurs proposent TPK, une architecture hybride basée sur le modèle transformateur HPTR (State-of-the-Art), enrichie par deux couches clés intégrant des connaissances a priori :

A. Encodeur Interprétable (Interaction Priors)

Pour améliorer l'interprétabilité, les auteurs introduisent une couche d'interaction spécifique à la classe (véhicules, piétons, cyclistes) guidée par un nouveau prior nommé DG-SFM (Directed-Gradient Social Force Model).

• DG-SFM : Contrairement au modèle de force sociale classique (SFM) qui est symétrique, le DG-SFM intègre la direction et la vitesse relative. Il calcule un score d'importance basé sur deux facteurs :
  1. Le risque qu'un agent $j$ entre dans l'espace personnel de l'agent focal $i$ (potentiel répulsif en forme d'œuf).
  2. La variation temporelle de ce potentiel si l'agent $i$ s'approche de l'agent $j$ (gradient dirigé).
• Intégration : Deux méthodes sont comparées pour fusionner le prior avec l'attention apprise :
  1. MnR (Multiply-and-Renormalize) : Multiplication simple des scores.
  2. GnL (Gating-and-Loss) : Utilisation d'un mécanisme de "gating" (MLP) pour pondérer dynamiquement l'attention apprise et le prior, avec une fonction de perte auxiliaire (divergence KL) pour garantir que le réseau ne néglige pas le prior.

B. Décodeur Faisable (Kinematic Priors)

Pour garantir la faisabilité physique, le modèle prédit des entrées de contrôle (accélérations, vitesses) plutôt que des trajectoires directes, qui sont ensuite transformées par des couches cinématiques spécifiques à chaque classe.

• Véhicules et Cyclistes : Utilisation du modèle Unicycle (efficace et sans paramètres spécifiques).
• Piétons : Les auteurs proposent et évaluent un nouveau modèle Double Intégrateur (contrôle par accélération x et y). Ce modèle offre un meilleur compromis entre la flexibilité des mouvements des piétons et la contrainte des limites d'accélération, surpassant le modèle à intégrateur simple (trop flexible) et le modèle unicycle (trop restrictif pour les piétons).
• Contraintes : Des limites physiques (accélération max, vitesse max, courbure) sont appliquées via des fonctions d'activation (tanh) et un recadrage (clipping) pour éliminer toute trajectoire infeasible.

3. Contributions Clés

1. Prior d'interaction DG-SFM : Un modèle basé sur des règles applicable à tous les types d'agents (véhicules, piétons, cyclistes) pour capturer les différences comportementales.
2. Amélioration de l'interprétabilité : Intégration du prior dans le mécanisme d'attention, démontrant une corrélation entre les écarts de prior et les erreurs de prédiction.
3. Faisabilité cinématique garantie : Introduction de couches cinématiques spécifiques, incluant un nouveau modèle cinématique pour les piétons (Double Intégrateur), assurant que toutes les prédictions respectent les lois de la physique.

4. Résultats Expérimentaux

Les expériences ont été menées sur le jeu de données Argoverse 2.

• Interprétabilité : Une forte corrélation positive a été observée entre l'écart entre l'attention du réseau et le prior DG-SFM, et l'erreur de prédiction (minADE). Cela signifie que lorsque le réseau ignore le prior (raisonnement non humain), il fait plus d'erreurs. La méthode GnL s'est avérée supérieure à MnR pour cette corrélation.
• Faisabilité :
  • Le jeu de données Argoverse 2 contient 27 % de trajectoires "ground truth" infeasibles (accélérations ou courbures irréalistes).
  • Le modèle HPTR de base prédit des trajectoires infeasibles dans 88 % des cas.
  • Le modèle TPK proposé élimine 100 % des trajectoires infeasibles grâce aux couches cinématiques.
• Précision :
  • L'intégration des contraintes cinématiques entraîne une légère baisse de précision métrique (minFDE) par rapport au HPTR de base, car le modèle ne peut plus apprendre le bruit des données infeasibles.
  • Cependant, ce compromis est jugé acceptable car il garantit des prédictions réalistes et sûres. Le modèle Double Intégrateur pour les piétons a montré le meilleur taux de reproduction des trajectoires réelles tout en respectant les contraintes.

5. Signification et Conclusion

Cet article marque un tournant vers la fiabilité plutôt que la simple optimisation de la précision brute. En démontrant que l'intégration de connaissances a priori (DG-SFM et modèles cinématiques) permet de :

1. Aligner le raisonnement du modèle avec l'intuition humaine.
2. Éliminer les prédictions physiquement impossibles.
3. Fournir un mécanisme de détection d'erreurs basé sur la divergence par rapport au prior.

Les auteurs concluent que pour le déploiement réel de la conduite autonome, la confiance dans les prédictions (interprétabilité et faisabilité) est plus critique que de simples gains marginaux de précision obtenus au prix de prédictions illusoires. Le modèle TPK offre une base solide pour des systèmes de sécurité plus robustes.