自动驾驶公司最喜欢的SOTA算法来了！CVPR2024： HPNet-生成准确稳定的未来轨迹！

论文标题：

HPNet: Dynamic Trajectory Forecasting with Historical Prediction Attention

论文作者：

Xiaolong Tang, Meina Kan, Shiguang Shan, Zhilong Ji, Jinfeng Bai, Xilin Chen

导读：

本文提出了一种动态轨迹预测方法，通过结合历史帧和历史预测结果来提高预测的稳定性和准确性。它引入了历史预测注意力模块，以编码连续预测之间的动态关系，并通过三重因子注意力模块实现了最先进的性能。本方法能够生成准确且稳定的未来轨迹，这对于自动驾驶系统落地至关重要。©️【深蓝AI】编译

1. 本文概要

在自动驾驶中，精确预测道路智能体的未来轨迹至关重要。现有的方法主要采用了一种静态的范式：通过固定长度的历史帧来预测未来的轨迹。然而，这些方法在相邻时间戳中独立进行预测，可能会引起预测的不稳定性和不一致性。考虑到连续时间戳中的历史轨迹大量重叠，预测结果应当展现出内在的相关性，例如，重叠的预测轨迹应保持一致，或者在不同的情况下，根据道路状况共享相同的运动目标。

基于这些考虑，作者提出了HPNet——一种创新的动态轨迹预测方法。为了确保轨迹预测的稳定性和准确性，我们的方法不仅利用了包括地图和智能体状态的历史帧，还考虑了历史预测结果。具体来说，我们设计了一个全新的历史预测注意力模块，用于自动捕捉连续预测之间的动态关系。此外，该模块通过利用历史预测，扩大了注意力的范围，使其超越了当前可见的窗口。

作者提出的历史预测注意力，结合智能体