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

Il paper propone TPK, un metodo per la previsione di traiettorie nel guida autonoma che integra conoscenze a priori specifiche per diverse classi di agenti (veicoli, pedoni, ciclisti) per garantire previsioni fisicamente fattibili e interpretabili, migliorando così l'affidabilità rispetto ai modelli esistenti.

L'essenziale

Immagina di essere un guidatore autonomo (un'auto robot) che deve navigare in una città affollata. Il compito più difficile non è solo guidare, ma prevedere cosa faranno gli altri: un pedone che attraversa, una bicicletta che svolta, un'auto che cambia corsia.

Questo articolo scientifico parla di come rendere queste previsioni non solo precise, ma soprattutto affidabili e comprensibili per gli esseri umani.

Ecco la spiegazione semplice, divisa per concetti chiave, con qualche analogia per rendere il tutto più chiaro.

1. Il Problema: L'Intelligenza Artificiale "Sognante"

Attualmente, le auto a guida autonoma usano modelli di intelligenza artificiale (reti neurali) che imparano guardando milioni di video di traffico. Funzionano bene, ma hanno un difetto grave: a volte fanno previsioni che sono matematicamente possibili ma fisicamente assurde.

• L'analogia: Immagina un bambino che impara a disegnare guardando foto. Se non gli spieghi le regole della fisica, potrebbe disegnare un'auto che vola o un pedone che attraversa un muro. L'auto robot potrebbe prevedere che un pedone si muova a 50 km/h in retromarcia o che un'auto giri di 90 gradi in un istante. L'IA "sogna" scenari impossibili perché ha imparato solo a imitare i dati, senza capire le regole del mondo reale.
• Il rischio: Se l'auto si fida di queste previsioni "sognate", potrebbe frenare di colpo per un'auto che non esiste o non frenare per un pedone che sta per cadere. Questo fa perdere la fiducia (la trustworthiness) nel sistema.

2. La Soluzione: Due "Regole d'Oro" per l'IA

Gli autori propongono di insegnare all'auto robot due cose fondamentali, come se fosse un nuovo allievo alla scuola guida:

A. Capire chi conta davvero (Interpretabilità)

Quando l'auto guarda intorno, deve sapere chi è importante.

• Il problema attuale: I modelli attuali a volte si concentrano su cose sbagliate. Potrebbero preoccuparsi di un'auto parcheggiata dietro di loro (che non si muove) e ignorare un'auto che arriva veloce da dietro. È come se tu guidassi guardando lo specchietto retrovisore invece che la strada davanti.
• La loro soluzione (DG-SFM): Hanno creato una "regola matematica" (chiamata DG-SFM) che funziona come un sesto senso umano. Questa regola dice all'IA: "Guarda chi si sta muovendo velocemente verso di te o chi sta entrando nel tuo spazio personale".
• L'analogia: È come avere un detective dentro il cervello dell'auto. Invece di guardare tutto alla rinfusa, il detective usa una logica precisa: "Se quel tizio corre verso di me, è pericoloso. Se quel tizio è fermo, non mi importa". Questo rende le decisioni dell'auto trasparenti: possiamo capire perché ha deciso di frenare.

B. Rispettare le leggi della fisica (Fattibilità Cinematica)

L'auto deve prevedere movimenti che un essere umano o un'auto reale possono effettivamente fare.

• Il problema attuale: I modelli attuali spesso non controllano se la previsione è fisicamente possibile. Possono prevedere che un pedone cambi direzione istantaneamente come un teletrasporto.
• La loro soluzione (Modelli Cinematici): Hanno inserito dei "filtri" fisici.
  • Per le auto, usano un modello che simula come una macchina reale sterza e accelera (come un modello di bicicletta o a due assi).
  • Per le biciclette, usano un modello simile.
  • Per i pedoni, hanno inventato un nuovo modello speciale (il "doppio integratore").
• L'analogia: Immagina di dover disegnare il percorso di una persona.
  • Il modello vecchio disegnava linee dritte e curve impossibili, come se la persona fosse un fantasma.
  • Il loro nuovo modello è come un gesso su una lavagna: non puoi disegnare una curva troppo stretta se il gesso è troppo pesante, e non puoi fare un salto di 3 metri se la persona è stanca. Il modello forza l'IA a disegnare solo percorsi che una persona reale può fare.

3. I Risultati: Meno Precisione, Ma Più Sicurezza?

C'è un piccolo compromesso. Quando hanno costretto l'IA a rispettare le leggi della fisica, la sua capacità di "indovinare" esattamente dove finirà il pedone è scesa leggermente (perché i dati reali nel database contengono errori e movimenti impossibili che l'IA stava imparando a memoria).

Tuttavia, gli autori dicono che vale la pena.

• L'analogia: È meglio avere un navigatore che ti dice "tra 100 metri svoltare a destra" (anche se sbaglia di 5 metri) e ti guida in modo sicuro, piuttosto che un navigatore che ti dice "svolta a destra" ma ti fa guidare attraverso un palazzo perché ha calcolato un percorso matematicamente perfetto ma fisicamente impossibile.

In Sintesi

Questo paper introduce un sistema per le auto a guida autonoma che:

1. Pensa come un umano: Capisce chi è davvero pericoloso e chi no (grazie al "detective" DG-SFM).
2. Si muove come un umano: Non prevede movimenti impossibili (grazie ai filtri fisici per auto, bici e pedoni).
3. È onesto: Se l'auto non sa cosa fare o se la situazione è strana, lo fa capire, invece di inventare soluzioni folli.

L'obiettivo finale non è solo far guidare l'auto, ma farci fidare di lei, sapendo che le sue decisioni hanno un senso logico e rispettano le leggi della fisica.

Sommario tecnico

Ecco un riassunto tecnico dettagliato del paper "TPK: Trustworthy Trajectory Prediction Integrating Prior Knowledge for Interpretability and Kinematic Feasibility", presentato all'IEEE 36th Intelligent Vehicles Symposium (IV 2025).

1. Il Problema

La previsione delle traiettorie è fondamentale per la guida autonoma, permettendo ai veicoli di anticipare i movimenti degli utenti della strada. Tuttavia, i modelli di deep learning attuali (come i transformer) soffrono di due limiti critici che ne riducono l'affidabilità (trustworthiness):

• Mancanza di Interpretabilità: Le interazioni apprese tra gli agenti (veicoli, pedoni, ciclisti) spesso non seguono il ragionamento umano. Ad esempio, un modello potrebbe attribuire un'alta importanza a un agente irrilevante (es. un veicolo lontano dietro) ignorando uno più pericoloso (es. un veicolo in avvicinamento rapido), portando a previsioni illogiche.
• Infeasibilità Cinematica: Le previsioni generate possono violare le leggi della fisica (es. accelerazioni o curvature impossibili), specialmente in scenari misti. Inoltre, i dataset di riferimento (come Argoverse 2) contengono spesso traiettorie "rumorose" o fisicamente infeasibili nel ground truth, su cui i modelli tendono a fare overfitting.

La ricerca attuale tende a ottimizzare solo la precisione numerica, trascurando la necessità di modelli che siano sia interpretabili che fisicamente plausibili, specialmente in scenari di traffico misto.

2. Metodologia

Gli autori propongono TPK, un approccio ibrido che integra conoscenze a priori (prior knowledge) all'interno di una rete neurale basata su transformer (HPTR come backbone). L'architettura si divide in due componenti principali:

A. Encoder Interpretabile (Interazione)

Per migliorare la logica delle interazioni, viene introdotto un nuovo strato di attenzione "agente-agente" specifico per classe.

• Prior DG-SFM (Directed-Gradient Social Force Model): Viene proposto un nuovo modello di interazione basato su regole, estensione del Social Force Model (SFM). A differenza dell'SFM classico, il DG-SFM considera la direzione di movimento e la velocità relativa, modellando uno "spazio personale" a forma di uovo (ellittico) che si estende nella direzione di marcia. Calcola un punteggio di importanza basato su:
  1. Il rischio potenziale se un agente entra nello spazio personale del soggetto focalizzato.
  2. La variazione nel tempo della potenziale repulsiva se il soggetto focalizzato invade lo spazio dell'altro.
• Integrazione dell'Prior: Vengono confrontati due metodi per integrare questo prior nello strato di attenzione:
  1. Multiply-and-Renormalize (MnR): Moltiplicazione diretta dei punteggi.
  2. Gating-and-Loss (GnL): Utilizzo di un gate (MLP) che bilancia dinamicamente l'attenzione appresa dalla rete e il prior, con una funzione di perdita ausiliaria (KL-divergence) per garantire che la rete non ignori il prior.
• Struttura Specifica per Classe: Vengono implementati istanze separate dello strato di interazione per veicoli, pedoni e ciclisti per gestire le diverse dinamiche comportamentali e mitigare lo sbilanciamento delle classi nel dataset.

B. Decoder Fattibile (Cinematica)

Per garantire che le traiettorie rispettino le leggi fisiche, l'output non è una posizione diretta, ma controlli cinematici.

• Predizione nello Spazio di Azione: La rete predice input di controllo (accelerazioni, velocità angolari) invece di coordinate cartesiane.
• Strati Cinematici Specifici:
  • Veicoli e Ciclisti: Utilizzo del modello Unicycle (efficiente e privo di parametri specifici da stimare online).
  • Pedoni (Novità): Vengono confrontati tre modelli: Integratore Singolo, Unicycle e un nuovo Doppio Integratore (che usa accelerazioni x/y come input di controllo). Il modello a doppio integratore è stato scelto perché offre il miglior compromesso: permette cambi di direzione flessibili (a differenza dell'Unicycle troppo restrittivo) ma impone limiti di accelerazione (a differenza dell'Integratore Singolo che è troppo libero).
• Vincoli: Vengono applicati limiti fisici (es. accelerazione max ±8 m/s² per pedoni, limiti di curvatura per veicoli) tramite funzioni di attivazione (tanh) e clipping.

3. Contributi Chiave

1. Prior di Interazione DG-SFM: Un nuovo modello di prior basato su regole, applicabile a classi eterogenee (veicoli, pedoni, ciclisti), che allinea l'attenzione della rete all'intuizione umana.
2. Interpretabilità Migliorata: Dimostrazione che l'integrazione del prior nello strato di attenzione (tramite il metodo GnL) rende il ragionamento del modello trasparente e correlato agli errori di previsione.
3. Fattibilità Cinematica Garantita: Introduzione di strati cinematici specifici per classe, incluso un nuovo modello cinematico per pedoni (Doppio Integratore), che elimina le traiettorie fisicamente impossibili dalle previsioni.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti sul dataset Argoverse 2 utilizzando HPTR come baseline.

• Interpretabilità: È stata trovata una correlazione significativa tra la divergenza tra l'attenzione della rete e il prior DG-SFM e gli errori di previsione (minADE). Quando la rete si discosta dal prior, la previsione è più probabile che sia errata. Il metodo GnL ha mostrato la correlazione più forte, superando MnR e altri prior (come SKGACN o L2).
• Fattibilità:
  • Il dataset ground truth contiene fino al 27% di traiettorie infeasibili (passi con accelerazione/curvatura irreali).
  • Il modello HPTR originale produce il 88% di traiettorie infeasibili.
  • Il modello TPK proposto riduce a 0% le traiettorie infeasibili, garantendo che ogni passo rispetti i limiti fisici.
• Accuratezza:
  • L'introduzione dei vincoli cinematici causa una leggera diminuzione della precisione numerica (es. minFDE6) rispetto all'HPTR originale. Tuttavia, gli autori sostengono che questo è un compromesso accettabile: il modello non impara più il "rumore" irrealistico del dataset, producendo previsioni più affidabili per il mondo reale.
  • Il modello a doppio integratore per i pedoni ha dimostrato di riprodurre meglio le traiettorie reali rispetto ad altri modelli cinematici.

5. Significato e Impatto

Questo lavoro sposta il focus dalla pura ottimizzazione della precisione metrica alla costruzione di sistemi di guida autonoma fiduciosi (trustworthy).

• Sicurezza: Eliminando traiettorie fisicamente impossibili, si riduce il rischio di pianificazioni di percorso pericolose.
• Diagnostica: La correlazione tra l'attenzione e il prior permette di creare sistemi di monitoraggio: se la rete "guarda" nella direzione sbagliata rispetto al prior, è possibile attivare interventi di sicurezza (es. intervento del guidatore di sicurezza).
• Generalizzazione: L'approccio ibrido, che combina la flessibilità del deep learning con la robustezza delle regole fisiche e sociali, è un passo cruciale verso l'implementazione pratica di veicoli autonomi in ambienti di traffico misto complessi.

In sintesi, TPK dimostra che integrare conoscenze a priori non solo rende le previsioni più sicure e fisicamente valide, ma fornisce anche una "scatola trasparente" per comprendere perché un modello prende una certa decisione, un requisito essenziale per l'adozione dell'IA nella guida autonoma.