Sintesi Tecnica: LAMP (Lane-Aligned Motion Primitives) per la Previsione di Traiettorie Fattibili

1. Definizione del Problema

La previsione del moto è una componente critica dei sistemi di guida autonoma, con il compito di prevedere le traiettorie stocastiche degli agenti circostanti sulla base degli stati storici e del contesto della mappa. Sebbene gli esistenti predittori siano efficaci nel minimizzare gli errori di spostamento standard (es. ADE, FDE), essi spesso non riescono a garantire che le previsioni multimodali aderiscano alla topologia delle corsie.

Gli approcci attuali si affidano tipicamente a priori di intenzione predefiniti, come ancoraggi di traiettoria o punti target, che sono spesso progettati indipendentemente da specifici contesti di scena. Di conseguenza, questi priori agnostici rispetto alla scena generano frequentemente traiettorie strutturalmente infattibili, in particolare per i modi a bassa probabilità. Queste violazioni dei vincoli fisici e logici (ad esempio, previsioni fuori strada o transizioni di corsia impossibili) rendono l'insieme di previsioni inaffidabile per i moduli di pianificazione a valle critici per la sicurezza, che devono valutare i rischi e garantire processi decisionali sicuri.

2. Metodologia

Gli autori propongono LAMP (Lane-Aligned Motion Primitives), un framework di forecasting consapevole della topologia, progettato per ancorare le previsioni multimodali a primitive di moto strutturate e allineate alla topologia delle corsie. Il framework è costruito sulla base dell'architettura Motion Transformer (MTR) all'interno della piattaforma UniTraj e si compone di tre componenti principali:

A. Query di Intenzione Discrete tramite VQ-VAE

Invece di modellare le intenzioni di guida come endpoint statici o variabili latenti continue, LAMP formula l'intenzione come un insieme discreto di query apprendibili utilizzando un VQ-VAE (Vector Quantized Variational AutoEncoder).

• Processo di Apprendimento: Un VQ-VAE basato su NSVQ (Non-Saturating Vector Quantization) viene addestrato su traiettorie di movimento raccolte. Un encoder mappa le traiettorie di ground-truth in uno spazio latente, che viene quantizzato al vettore di codice più vicino in un codebook apprendibile. Un decoder ricostruisce questi codici in prototipi di traiettoria, denominati primitive di moto.
• Formazione delle Query: Ogni codice nel codebook discreto viene decodificato in una primitiva di moto. Una query di intenzione viene quindi formata concatenando l'embedding del codice con un termine di grounding spaziale derivato dall'endpoint della primitiva. Questa formulazione cattura dinamiche spazio-temporali ricche e pattern di guida ricorrenti (ad esempio, velocità variabili su percorsi rettilinei o diverse curvature nelle curve) che i metodi basati solo sull'endpoint spesso trascurano.

B. Selettore di Intenzione Consapevole della Fattibilità

Per garantire che le ipotesi generate siano fisicamente e logicamente fattibili, LAMP introduce un selettore di intenzioni guidato dalla topologia della corsia che opera prima dello stadio di decoding finale.

• Meccanismo: Il selettore valuta le $K$ primitive di moto decodificate dalle query di intenzione. Utilizza un prior della topologia della corsia, costruito attraversando la connettività delle corsie dell'HD-map dalla posizione attuale dell'agente per identificare le corsie raggiungibili.
• Scoring: Una funzione di punteggio della fattibilità calcola la distanza tra ogni ipotesi e l'insieme delle corsie raggiungibili, generando una distribuzione "soft teacher". Il selettore è addestrato per corrispondere a questa distribuzione, filtrando efficacemente le query di intenzione irraggiungibili o fuori strada.
• Selezione: Solo le top-$L$ intenzioni fattibili vengono mantenute e inoltrate al decoder Transformer. Ciò evita che le ipotesi infattibili contaminino il contesto di attenzione, garantendo che l'insieme di previsioni finale consista in traiettorie diverse ma coerenti con la topologia.

C. Pipeline di Addestramento

Il framework impiega una strategia di addestramento in due fasi:

1. Fase 1: Il VQ-VAE basato su NSVQ viene addestrato per apprendere il codebook discreto delle query di intenzione e delle primitive di moto. Il codebook e il decoder vengono quindi congelati.
2. Fase 2: Il backbone di forecasting (MTR) e il selettore di intenzione vengono addestrati end-to-end. La perdita totale combina la perdita standard di log-likelihood negativa (per il modo con il miglior adattamento) con una perdita ausiliaria che minimizza la divergenza di Kullback-Leibler tra le previsioni del selettore e il prior della topologia della corsia.

3. Contributi Chiave

Il documento delinea tre contributi primari:

1. Framework LAMP: Un framework di motion forecasting consapevole della topologia che migliora l'affidabilità degli insiemi di previsione multimodali combinando primitive di moto strutturate con una selezione delle intenzioni consapevole della fattibilità.
2. Formulazione dell'Intenzione Discreta: Una nuova formulazione dell'intenzione di guida come query discrete tramite un VQ-VAE, dove ogni query decodifica in un prototipo di traiettoria che cattura ricche dinamiche spazio-temporali oltre i semplici endpoint.
3. Selezione Guidata dalla Topologia della Corsia: L'introduzione di un selettore di intenzioni che filtra le ipotesi infattibili in base alla topologia della corsia, migliorando così la fattibilità e le metriche di diversità pur preservando l'accuratezza dello spostamento.

4. Risultati Sperimentali

Gli autori hanno valutato LAMP sul dataset Argoverse 2 Motion Forecasting, confrontandolo con solidi baseline tra cui MTR, Wayformer, Forecast-MAE, EMP e Autobot.

• Accuratezza: LAMP raggiunge un'accuratezza di previsione comparabile ai baseline allo stato dell'arte sulle metriche di spostamento standard (b-minADE6, b-minFDE6).
• Fattibilità: Il modello dimostra miglioramenti sostanziali nella affidabilità strutturale. Nello specifico, supera i baseline in DAC (Drivable Area Consistency) e FR (Feasibility Rate, che include i vincoli delle regole del traffico). Il miglioramento in FR è particolarmente degno di nota, indicando una riduzione dei movimenti che violano le regole del traffico.
• Diversità: LAMP migliora le metriche di diversità (APD6, FPD6) mantenendo la fattibilità. Gli autori introducono DwF (Diversity-while-Feasible), una metrica che misura la diversità solo sul sottoinsieme fattibile, dove LAMP mostra anch'esso guadagni significativi.
• Analisi Qualitativa: Le visualizzazioni in scenari di incrocio mostrano che, mentre i baseline spesso si concentrano su un singolo modo dominante o assegnano confidenza a traiettorie fuori strada, LAMP genera manovre diverse e plausibili che aderiscono strettamente alla topologia della corsia.

5. Significato e Rivendicazioni

Il documento sostiene che LAMP affronti una lacuna critica nella percezione della guida autonoma: il compromesso tra accuratezza della previsione e fattibilità strutturale. Modellando esplicitamente le intenzioni di guida come primitive di moto apprendibili e filtrandole attraverso un prior della topologia della corsia, LAMP fornisce un insieme di previsioni multimodali affidabile.

Il significato risiede nella capacità del framework di generare ipotesi che non siano solo diverse (coprendo varie intenzioni di guida) ma anche rilevanti per il pianificatore (aderendo ai vincoli fisici e logici). Ciò assicura che i moduli di pianificazione a valle ricevano un insieme di traiettorie che possono essere valutate in sicurezza per il rischio, riducendo la probabilità di fallimenti della pianificazione causati da previsioni infattibili. Gli autori osservano che, sebbene sia stato esplorato il decoding adattivo alla mappa tramite LoRA per aumentare ulteriormente la fattibilità, ciò ha portato a un collasso della diversità multimodale; pertanto, il modello finale privilegia l'equilibrio tra fattibilità e diversità senza un condizionamento precoce della mappa.