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

Sintesi Tecnica: Un Framework Unificato per la Predizione di Traiettorie con Decomposizione Esplicita di Pianificazione e Reazione

Definizione del Problema
La predizione delle traiettorie mira a stimare i movimenti futuri degli agenti all'interno di una scena, un compito critico per la guida autonoma e l'analisi della folla. Sebbene i metodi recenti abbiano migliorato la capacità predittiva attraverso formulazioni accoppiate che codificano le tendenze individuali, i vincoli della scena e le interazioni sociali in uno spazio latente condiviso, questi approcci spesso intrecciano gli effetti sociali provenienti da diverse fonti e scale temporali. Questo intreccio aumenta la complessità del modello e la vulnerabilità a pattern di vicinato con correlazioni spurie. Inoltre, i metodi strutturati esistenti trattano tipicamente l'influenza sociale come un componente unificato del processo di predizione, fallendo nel distinguere i suoi specifici ruoli funzionali nella formazione della traiettoria. Nello specifico, i modelli attuali raramente rappresentano esplicitamente la "pianificazione socialmente modellata" che avviene quando un agente anticipa i comportamenti futuri altrui prima di eseguire aggiustamenti reattivi locali.

Metodologia: Il Framework INTraJ
Gli autori propongono INTraJ, un framework unificato che riformula la predizione delle traiettorie come un processo a due stadi guidato dall'intento: Pianificazione seguita da Reazione. Questo approccio decompone esplicitamente l'influenza sociale in questi distinti stadi anziché modellarli congiuntamente.

1. Decomposizione Core (Modulo Plan-React):

   • Stadio di Pianificazione (Planning): Il modello estrae un "intento puro" ($I_{pure}$) dalla storia dell'agente target e dal contesto locale. Questo seme viene poi aggiornato tramite un "vettore sociale futuro" ($z$) derivato dagli agenti circostanti per generare un "intento socializzato" ($I_{social}$). Un decoder traduce questo in una traiettoria di riferimento a livello di pianificazione ($T_{ideal}$), che rappresenta il piano di transito complessivo dell'agente dopo aver anticipato i comportamenti sociali futuri.
   • Stadio di Reazione (Reaction): Il modello mantiene la predizione a contesto completo del backbone ($T_{full}$) per catturare le interazioni immediate. La differenza tra la predizione completa e la traiettoria di riferimento della pianificazione ($S_{high} = T_{full} - T_{ideal}$) approssima gli aggiustamenti reattivi locali (ad esempio, evitamento delle collisioni, variazioni di velocità).
   • Fusione: Un meccanismo di gating apprendibile ($\alpha$) controlla l'iniezione di questi aggiustamenti reattivi nella traiettoria finale: $T_{final} = T_{ideal} + \alpha \cdot S_{high}$. Ciò consente al modello di bilanciare dinamicamente le tendenze di pianificazione globale con le risposte alle interazioni locali.

2. Implementazione Unificata tra i Paradigmi:
   INTraJ è istanziato sotto due distinti paradigmi di predizione, che differiscono solo per il modo in cui vengono costruiti l'intento puro e il vettore sociale:

   • Paradigma Multi-Target: Utilizzato con backbone come QCNet. L'intento puro è estratto dalla storia dell'agente focale. Il vettore sociale futuro è costruito dai futuri espliciti predetti dei non-focali ($P_{others}$), che vengono codificati e fusi tramite cross-attention per aggiornare il seme di pianificazione.
   • Paradigma Single-Target: Utilizzato con backbone come DeMo. Poiché i futuri espliciti degli altri agenti non sono direttamente disponibili, il framework costruisce l'intento puro tramite un ramo "mask others" (solo ego) e il vettore sociale tramite un ramo "static self". Nel ramo "static self", il movimento dell'ego è impostato come statico, permettendo al modello di codificare la risposta sociale latente degli agenti circostanti sotto una condizione controfattuale. Questa risposta latente viene poi iniettata nella rappresentazione di pianificazione.

3. Obiettivi di Addestramento:
   Il framework è addestrato con una funzione di perdita congiunta composta da:

   • Perdita di Predizione ($L_{pred}$): Perdita standard per la traiettoria di output finale.
   • Perdita di Riferimento della Pianificazione ($L_{ref}$): Supervisiona il ramo $T_{ideal}$ utilizzando una versione smussata della traiettoria ground-truth per imporre piani di movimento fluidi e a bassa frequenza.
   • Regolarizzazione Ausiliaria ($L_{aux}$): Un regolarizzatore basato sulla varianza applicato al peso di gating $\alpha$ per evitare che il modello collassi verso un valore elevato uniforme (ignorando di fatto la decomposizione) durante le prime fasi dell'addestramento.

Contributi Chiave

1. Modellazione Sociale Gerarchica: Il documento introduce una visione che decompone l'influenza sociale in una fase di pianificazione (percorso globale socialmente modellato) e una fase di reazione (aggiustamenti locali), formulando la formazione della traiettoria come un processo sequenziale.
2. Framework Unificato: INTraJ fornisce una singola formulazione che supporta sia i paradigmi di predizione multi-target che single-target, adattando la costruzione dei vettori sociali alla specifica architettura del backbone.
3. Generalizzabilità: Il metodo dimostra guadagni di prestazioni costanti in scenari di guida autonoma (Argoverse 2) e pura previsione della folla (ETH/UCY, SDD), indicando che la modellazione gerarchica delle interazioni sociali si generalizza attraverso diversi ambienti di interazione.

Risultati Sperimentali
Sono stati condotti estesi esperimenti su quattro benchmark: Argoverse 2 (AV2), Argoverse 2-ped, ETH/UCY e SDD.

• Benchmark della Folla: Su ETH/UCY e SDD, l'integrazione di INTraJ con il backbone Resonance ha raggiunto prestazioni state-of-the-art (SOTA). In particolare, ha ridotto l'Errore di Spostamento Finale (FDE) su SDD a 9.87 (da oltre 10 nei metodi esistenti) e ha migliorato l'FDE del 7,2% complessivo su ETH/UCY, con un guadagno del 12,2% sui subset a lungo orizzonte.
• Guida Autonoma: Su AV2, INTraJ ha migliorato sia i backbone QCNet (multi-target) che DeMo (single-target). Ad esempio, su DeMo, ha raggiunto un minFDE6 di 1.17 e un minADE6 di 0.61.
• Studi di Ablazione: I risultati hanno confermato che sia la fase di pianificazione che quella di reazione sono necessarie; rimuovere uno dei due stadi o il meccanismo di gating ha degradato le prestazioni. I guadagni sono stati attribuiti alla decomposizione strutturale piuttosto che all'accumulo di parametri.
• Robustezza: Il framework ha dimostrato tolleranza rispetto a predizioni imperfette degli agenti circostanti, mantenendo le prestazioni anche quando veniva iniettato rumore Gaussiano nel vettore sociale futuro.
• Efficienza: Rispetto al baseline QCNet, INTraJ introduce un overhead computazionale moderato (i parametri sono aumentati da 7.66M a 8.46M; la latenza da 37.94ms a 44.64ms) pur superando altri metodi di raffinamento plug-in come SmartRefine.

Significato e Rivendicazioni
Il documento sostiene che INTraJ inquadra la predizione delle traiettorie non come un compito di regressione monolitico, ma come un processo a due stadi guidato dalla pianificazione. Separando esplicitamente la costruzione di una traiettoria ideale socialmente modellata dal recupero degli aggiustamenti reattivi locali, il framework affronta i limiti delle formulazioni accoppiate che intrecciano gli effetti sociali. Gli autori postulano che questa modellazione sociale a stadi sia critica per produrre predizioni stabili, coerenti e consistenti su lunghi orizzonti temporali. I risultati validano il fatto che la decomposizione dell'influenza sociale in pianificazione e reazione fornisca un paradigma efficace e generalizzabile per la predizione delle traiettorie in diversi scenari multi-agente.