HiMAP: History-aware Map-occupancy Prediction with Fallback

Each language version is independently generated for its own context, not a direct translation.

🚗 Le Problème : Le conducteur qui perd ses lunettes

Imaginez que vous conduisez une voiture autonome. Pour éviter les accidents, la voiture doit prédire où vont aller les autres véhicules, piétons et cyclistes dans les prochaines secondes.

Actuellement, la plupart des systèmes fonctionnent comme un conducteur très organisé qui colle des étiquettes avec des noms (ID) sur chaque personne autour de lui. Il dit : "Voici le camion rouge (ID 123), il va tourner à gauche. Voici la dame (ID 456), elle traverse."

Le problème ? Parfois, la pluie, un camion qui passe devant, ou un reflet de soleil font que la caméra perd de vue l'objet.

L'étiquette "Tombe" (l'objet disparaît).
Ou pire, la voiture se trompe et colle l'étiquette du camion rouge sur la dame (changement d'identité).
Résultat : Le système panique, perd le fil de l'histoire, et ses prédictions deviennent dangereuses. C'est comme si un conducteur perdait ses lunettes et ne savait plus où sont les autres voitures.

💡 La Solution : HiMAP, le "Mémoire Sensorielle"

Les auteurs proposent HiMAP, une nouvelle façon de faire. Au lieu de coller des étiquettes sur les gens, HiMAP fonctionne comme un peintre qui dessine l'histoire sur une toile.

Voici comment cela fonctionne, étape par étape, avec des analogies simples :

1. Au lieu de suivre des noms, on dessine des "fantômes" (Cartes d'Occupation)

Imaginez que la voiture ne regarde pas qui est là, mais où les choses ont été.

À chaque seconde, la voiture projette une image de ce qu'elle voit sur une carte invisible.
Si une voiture est passée ici il y a 5 secondes, la carte garde une trace lumineuse de son passage.
L'analogie : C'est comme si vous marchiez dans une pièce sombre avec une lampe torche. Vous ne savez pas le nom de la personne devant vous, mais vous voyez l'empreinte de sa lumière sur le mur. HiMAP crée une "carte des fantômes" qui montre où les objets ont été, sans avoir besoin de connaître leur nom.

2. Le détective qui reconstitue l'histoire (Module de Requête Historique)

Maintenant, la voiture veut prédire le futur. Elle se demande : "Où va aller cette voiture rouge ?"

Au lieu de regarder une liste de noms, le système prend l'état actuel de la voiture (sa vitesse, sa direction) et va "interroger" la carte des fantômes.
Il dit : "Montre-moi toutes les traces lumineuses qui ressemblent à cette voiture, même si je ne connais pas son nom."
L'analogie : C'est comme un détective qui arrive sur une scène de crime sans savoir qui est le suspect. Il regarde les empreintes de pas dans la boue (la carte d'occupation) et reconstitue le chemin que le suspect a pris, même si le suspect a enlevé ses chaussures.

3. La prédiction robuste (Le Décodeur)

Une fois que HiMAP a reconstitué le chemin passé (l'histoire) grâce aux empreintes, il peut prédire l'avenir avec beaucoup plus de précision.

Même si la voiture perd de vue l'objet pendant 2 ou 3 secondes (à cause d'un obstacle), HiMAP ne panique pas. Il sait déjà où l'objet était grâce à sa "mémoire sensorielle".
L'analogie : Si vous jouez à cache-cache et que votre ami disparaît derrière un buisson, un système classique s'arrête de jouer. HiMAP, lui, continue de jouer parce qu'il sait exactement où votre ami est allé avant de disparaître, et il peut deviner où il ressortira.

🏆 Pourquoi c'est génial ? (Les Résultats)

Les chercheurs ont testé HiMAP sur une base de données réelle (Argoverse 2) :

Quand tout va bien : HiMAP est aussi bon que les meilleurs systèmes actuels qui utilisent des étiquettes.
Quand ça rate (panne de suivi) : C'est là que la magie opère.
- Les systèmes classiques deviennent nuls (ils font des prédictions erronées).
- HiMAP reste stable. Il est 11% plus précis que les autres systèmes quand le suivi échoue.
- L'analogie finale : Imaginez deux pilotes d'avion. L'un a besoin de voir les autres avions pour savoir où ils vont. L'autre (HiMAP) peut sentir les courants d'air et les traces laissées dans le ciel. Si le brouillard tombe (panne de suivi), le premier pilote s'arrête, tandis que le second continue de voler en toute sécurité.

En résumé

HiMAP est une "assurance vie" pour les voitures autonomes. Il ne dépend pas de la capacité à suivre parfaitement chaque personne avec un nom. À la place, il se souvient de l'histoire des lieux grâce à des cartes d'occupation.

C'est comme passer d'un système qui a besoin de passeports pour reconnaître les gens, à un système qui reconnaît les gens grâce à leur empreinte digitale laissée sur le sol. Même si le passeport est perdu, l'empreinte reste, et la voiture reste en sécurité.

Each language version is independently generated for its own context, not a direct translation.

1. Problématique

La prédiction de trajectoire est un composant critique pour la conduite autonome, permettant aux systèmes de planifier des trajectoires sûres. Cependant, la plupart des méthodes actuelles reposent sur le suivi multi-objets (MOT - Multi-Object Tracking) pour associer les identités des agents au fil du temps et reconstruire leur historique de mouvement.

Le problème majeur identifié par les auteurs est la fragilité du suivi :

En conditions réelles (occlusions, scènes denses, détections manquées), le suivi échoue fréquemment (dérive d'identité, commutations d'ID, clignotements).
Lorsque le suivi échoue, les prédictions basées sur l'identité deviennent erronées ou impossibles, augmentant les risques de sécurité.
Les méthodes existantes ne sont pas conçues pour fonctionner sans identités d'agents cohérentes, ce qui crée un goulot d'étranglement critique pour la sécurité des systèmes autonomes.

2. Méthodologie : HiMAP

HiMAP (History-aware Map-occupancy Prediction) est un cadre de prédiction de trajectoire sans suivi (tracking-free) conçu pour rester fiable même lorsque le module de suivi échoue. Au lieu d'utiliser des identités d'agents persistantes, il reconstruit l'historique des mouvements à partir des détections brutes en utilisant des cartes d'occupation.

L'architecture se compose de quatre modules principaux (voir Fig. 2 du papier) :

A. Encodage de la Scène (Scene Encoding)

Inspiré de QCNet, le modèle encode les agents et les éléments de la carte HD (lanes) dans des repères locaux spatio-temporellement invariants.
Contrairement aux méthodes centrées sur l'agent qui ré-normalisent la scène à chaque étape, cette invariance permet de réutiliser les encodages passés sans recalcul, essentiel pour le traitement en flux (streaming).
Les identités d'agents sont ignorées : à chaque instant $t$ , le modèle reçoit un ensemble de détections $\{ \tilde{s}_t^n \}$ sans ID persistant.

B. Encodeur de Carte d'Occupation Historique (Historical Occupancy Map Encoder)

C'est le cœur de l'approche "sans suivi". Le modèle transforme les trajectoires temporelles en cartes d'occupation spatiales.
Pour chaque frame passée, les états des agents détectés sont intégrés dans la carte sous forme de graphes reliant les agents aux segments de voie (lanes).
Une fonction de porte (gating mechanism) pondère l'influence des agents sur l'occupation de la voie en fonction de leur pertinence dynamique, filtrant ainsi le bruit et les interactions faibles.
Le résultat est une séquence de tenseurs d'occupation $[T, M, D]$ qui capture les interactions agent-voie sans nécessiter d'ID.

C. Module de Requête Historique (Historical Query Module)

Ce module reconstruit implicitement la trajectoire spécifique d'un agent à partir des cartes d'occupation brutes.
Initialisation : Une requête est générée à partir de l'état actuel de l'agent et d'une représentation temporelle compacte de l'historique des cartes (via un GRU).
Récurrence : La requête est mise à jour itérativement en parcourant les cartes d'occupation historiques dans l'ordre inverse (du plus récent au plus ancien).
À chaque étape, la requête "interroge" la carte d'occupation conditionnée par l'état actuel de l'agent, permettant de récupérer les états passés spécifiques à cet agent sans avoir besoin d'un ID explicite. Cela génère une trajectoire historique reconstruite cohérente.

D. Décodeur de Trajectoire Future (Future Trajectory Decoder)

Basé sur une architecture DETR (Detection Transformer), le décodeur utilise des requêtes apprises pour générer $K$ trajectoires futures multimodales.
Les entrées du décodeur incluent : la trajectoire historique reconstruite, la requête historique finale, l'état actuel de l'agent et le contexte de la carte.
Le modèle prédit une distribution multimodale (mélange de composantes Laplace) avec des probabilités associées.

3. Contributions Clés

Robustesse au défaut de suivi : HiMAP est le premier cadre conçu spécifiquement pour fonctionner sans identités d'agents cohérentes, reconstruisant l'historique uniquement à partir des détections brutes.
Mécanisme d'occupation spatio-temporel : Introduction d'un encodeur de cartes d'occupation qui agrège les interactions agent-voie, permettant de filtrer le bruit et de reconstruire des trajectoires plausibles même avec des données fragmentées.
Module de requête historique itératif : Un mécanisme de type RNN qui utilise l'état actuel pour "rechercher" et reconstruire l'historique spécifique de l'agent dans les cartes d'occupation, comblant le manque d'ID.
Fallback de sécurité : Le système agit comme un mécanisme de sécurité complémentaire, garantissant des prédictions stables même lorsque le suivi échoue complètement.

4. Résultats Expérimentaux

Les évaluations ont été menées sur le jeu de données Argoverse 2 (et Argoverse 1).

Performance en mode "Sans Suivi" :
- Les méthodes de pointe basées sur le suivi (comme QCNet) s'effondrent lorsque les IDs sont masqués (augmentation de l'erreur de 11% à 52% du taux de manque - MR).
- HiMAP surpasse largement les baselines dans ce scénario :
  - Réduction de 11% de l'erreur finale (FDE) par rapport à QCNet finetuné sans suivi.
  - Réduction de 12% de l'erreur moyenne (ADE).
  - Réduction de 4% du taux de manque (MR).
- HiMAP atteint des performances comparables aux méthodes basées sur le suivi parfait, bien qu'il n'utilise pas d'IDs.
Analyse de Sécurité (Fig. 3) :
- En cas de perte de suivi, QCNet nécessite environ 1,3 à 1,4 seconde (13-14 étapes) pour récupérer une précision acceptable. Pendant ce temps, un véhicule parcourt environ 10 à 30 mètres, créant un risque critique.
- HiMAP fournit des prédictions stables immédiatement (dès la première seconde), réduisant l'erreur FDE de 20% et l'ADE de 23% par rapport aux méthodes sans suivi classiques.
Études d'ablation :
- L'utilisation des cartes d'occupation est cruciale pour éviter la complexité exponentielle et le bruit liés à l'interrogation directe des agents passés.
- L'initialisation de la requête et l'ajout d'une carte temporelle (via GRU) améliorent significativement la reconstruction de l'historique.

5. Signification et Impact

Ce travail adresse un problème fondamental de sécurité dans la conduite autonome : la dépendance excessive à des modules de suivi imparfaits.

Pratique : HiMAP offre une solution de repli (fallback) robuste qui peut être intégrée dans les pipelines existants pour garantir la sécurité lorsque la perception échoue.
Théorique : Il démontre qu'il est possible de réaliser une prédiction de trajectoire précise et multimodale sans dépendre d'identités d'agents persistantes, en exploitant la structure topologique de la carte et les interactions spatio-temporelles.
Sécurité : En éliminant le délai de récupération nécessaire aux méthodes traditionnelles après un échec de suivi, HiMAP améliore directement la sécurité des décisions à court terme des véhicules autonomes.

Le code est disponible publiquement, facilitant l'adoption de ce mécanisme de sécurité critique.