《Entropy》:Intent-Conditioned Diffusion Trajectory Prediction for Proactive Lane-Change Risk Assessment
编辑推荐:
主动变道风险评估需要在机动完成之前估计预期操作是否会导致不安全交互。在自然驾驶数据中这具有挑战性,因为实际碰撞极为罕见,且二值碰撞标签为学习风险提供的判别信息很少。研究人员提出IntentDiff,一种用于主动变道风险评估的意图条件扩散框架。该框架以预测的未来
主动变道风险评估需要在机动完成之前估计预期操作是否会导致不安全交互。在自然驾驶数据中这具有挑战性,因为实际碰撞极为罕见,且二值碰撞标签为学习风险提供的判别信息很少。研究人员提出IntentDiff,一种用于主动变道风险评估的意图条件扩散框架。该框架以预测的未来轨迹作为风险估计的基础。向量化场景上下文学习模块将VectorNet主干与向量量化变分自编码器(VQ-VAE)相结合,将智能体-地图交互映射为离散意图代码。这些代码将复杂交通状况组织为可解释的意图原型,并为轨迹生成提供语义指导。在以学习到的意图代码为条件下,扩散模型生成目标车辆的运动学一致多模态轨迹。在预测轨迹上,针对四个边界车辆评估蒙特卡洛追尾风险,并融合为车道变换风险指数(LCRI)。在highD数据集上,该框架在5秒预测时域内达到0.42米的平均位移误差。基于预测的LCRI与基于实际实现未来轨迹计算的指数高度一致,表明大多数高风险变道可在机动完成前被识别。按意图代码对LCRI进行分组进一步揭示变道机动间风险的系统性变化,表明学习到的码本除机动语义外还捕获了与风险相关的交互模式。
高速变道是安全关键的交通场景,目标车辆与周围车辆之间纵向或横向的微小失配可能迅速导致追尾或侧碰。对于先进驾驶辅助和自动驾驶决策,核心问题并非评估已完成操作是否危险,而是能否在机动展开前足够早地估计预期变道的未来风险,以支持预防性行动。既有风险研究已从瞬时状态判断转向面向未来的风险推断。由于自然驾驶中真实碰撞极为罕见,经典的替代安全措施(SSM)以可测冲突指标替代稀疏、延迟的碰撞记录,例如基于时间的碰撞时间(TTC)、基于减速度的避免碰撞减速度(DRAC)等。然而这些指标多依赖固定阈值、两两交互假设和特定场景定义,难以处理多车同时交互以及纵横向冲突耦合的情况。轨迹预测类方法通过预测未来运动分布并评估碰撞概率或严重度,能够更早、更准确地检测冲突,但其输出既要适合主动风险计算,又需要语义化地解释为何某些变道情境风险更高。意图识别提供了语义线索,但多数现有工作将意图作为监督标签、辅助分支或输入标记,无法形成可解释表示并关联下游风险。扩散模型虽已成为稳定的生成式预测工具,然而标准扩散预测器通常在连续潜在空间中操作,缺乏显式语义控制,且许多依赖栅格化地图,丢失细粒度拓扑信息。因此,意图识别、生成式预测和代理安全指标之间存在断裂:缺少一种能够生成可行未来、暴露其背后意图结构,并使风险指数可回溯到该结构的预测框架。
针对上述不足,研究人员提出IntentDiff,一种用于主动变道风险评估的意图条件扩散框架。该框架由向量化场景上下文学习模块、意图条件扩散轨迹生成器和预测性变道风险评估三部分组成。向量化模块结合层次化VectorNet主干与向量量化变分自编码器(VQ-VAE),将智能体-地图交互映射为离散意图码;扩散模型以意图码为条件,生成目标车辆的纵向加速度和横摆角速度序列,并通过运动学积分得到多模态轨迹;风险模块在预测轨迹上计算蒙特卡洛追尾风险,并通过故障树融合四个边界车辆的风险为车道变换风险指数(LCRI)。在highD数据集上,框架取得5秒预测时域平均位移误差(ADE)0.42米,最终位移误差(FDE)1.11米;基于预测的LCRI与基于实际实现未来轨迹计算的参考LCRI高度一致,表明大多数高风险变道可在机动完成前被识别。按意图码分组LCRI进一步显示风险的系统性变化,说明学习到的码本捕获了与风险相关的交互模式。论文发表在《Entropy》。
为开展研究,研究人员主要采用了三个关键方法。第一,向量化场景上下文学习:基于VectorNet的层次化图神经网络直接编码多线表示的智能体和地图特征,结合VQ-VAE将连续场景嵌入离散化为60个意图码,并添加意图分类损失增强语义关联。第二,意图条件扩散生成:采用二维U-Net结构的去噪扩散概率模型(DDPM),以离散意图码为条件,通过无分类器引导(CFG)生成运动控制序列,再经运动学积分得到满足非完整约束的轨迹。第三,预测性风险评估:对生成的轨迹进行蒙特卡洛追尾风险计算,针对当前车道和目标车道的四个边界车辆,通过故障树融合为LCRI。研究数据来自highD自然驾驶轨迹数据集(德国高速公路无人机采集,约110500辆车、45000公里),按录制文件划分训练集和测试集,训练集经平衡化预处理。
实验结果按论文小标题分述如下。4.1 离散上下文潜在空间分析:通过统计码本使用频率并计算熵、困惑度和互信息,发现大多数活跃码由单一机动类别主导,平均类别纯度0.83,27个码纯度达0.90以上;码本困惑度约占总容量91%;码与机动间的互信息为0.30纳特,占机动熵的58%。这证明向量化VQ-VAE有效将复杂场景解耦为可解释的意图原型,为扩散生成提供了低熵条件。4.2 定量结果:在highD测试集上与S-LSTM、CS-LSTM、MHA-LSTM(+f)、iNATran(M)、DACR-AMTP等基线比较,IntentDiff在ADE(0.42米)和FDE(1.11米)上最优,平均RMSE为0.39米,与最优持平;中短期时域误差低,5秒RMSE为1.05米,略高于DACR-AMTP的1.01米,但FDE更低,表明全局轨迹一致性更好。4.3 定性结果:对显式意图和模糊场景的可视化显示,在显式场景中模型以高置信度(如95.2%、99.7%)识别意图并生成紧密贴合真值的平滑轨迹;在模糊场景中生成轨迹簇呈现较大横向分散,覆盖多种可能未来,表明框架能够捕获偶然不确定性,避免模式崩溃。4.4 消融研究:分析CFG指导尺度(0、2、10)和采样数K(1、5、10、20)的影响。无指导时ADE为1.15米,指导