本文经自动驾驶之心公众号授权转载，转载请联系出处。
原标题：MotionLM: Multi-Agent Motion Forecasting as Language Modeling
论文链接：https://arxiv.org/pdf/2309.16534.pdf
作者单位：Waymo
会议：ICCV 2023
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
论文思路：
对于自动驾驶车辆安全规划来说，可靠地预测道路代理未来行为是至关重要的。本研究将连续轨迹表示为离散运动令牌序列，并将多智能体运动预测视为语言建模任务。我们提出的模型MotionLM具有以下几个优点：首先，它不需要使用锚点或显式潜变量来优化学习多模态分布。相反，我们利用标准的语言建模目标，最大化序列令牌的平均对数概率。其次，我们的方法避免了事后交互启发法，其中个体代理轨迹生成是在交互评分之后进行的。相反，MotionLM在单个自回归解码过程中生成了交互式代理未来的联合分布。此外，模型的顺序分解可以实现时间上的因果条件推断。我们提出的方法在Waymo Open Motion Dataset上取得了新的最先进性能，排名第一于交互式挑战排行榜
主要贡献：
在这篇文章中，我们将多智能体运动预测作为一项语言建模任务进行讨论。我们引入了时间因果解码器，对经过因果语言建模损失训练的离散运动令牌进行解码
本文将结合模型中的采样和简单的 rollout 聚合方案，以提高联合轨迹的加权模式识别能力。我们通过在 Waymo Open Motion Dataset 交互预测挑战中的实验，证明了这一新的方法在排名联合 mAP 指标上提高了6%，达到了最先进的性能水平
本文对本文的方法进行了广泛的消融实验，并对它的时间因果条件预测进行了分析，这在很大程度上是目前的联合预测模型所不支持的。
网络设计：
本文的目标是以一种通用的方式对多智能体交互上的分布建模，这种分布可以应用于不同的下游任务，包括最低限度的、联合的和条件预测。为了实现这一目标，需要一个有表现力的生成框架，能够捕捉到驾驶场景中的多种形态。此外，本文在这里考虑保存时间依赖性；即，在本文的模型中，推理遵循一个有向无环图，每个节点的父节点在时间上较早，子节点在时间上较晚，这使得条件预测更接近于因果干预，因为它消除了某些虚假的相关性，否则就会导致不服从时间因果关系。本文观察到，不保留时间依赖关系的联合模型可能在预测实际agent反应方面的能力有限，这是规划中的一个关键用途。为此，本文利用了未来解码器的自回归分解，其中代理的运动tokens有条件地依赖于所有先前采样的tokens，并且轨迹按顺序推出
图1。本文的模型自回归地为一组代理生成离散运动tokens序列，以产生一致的交互式轨迹预测。
请看图2，这是MotionLM的架构
本文首先将与每个建模代理相关的异构场景特征(左)编码为形状R、N、·、H的场景嵌入。其中，R为首次推出(rollouts)的数量，N为联合建模的代理数量，H为每次嵌入的维数。在推理过程中，为了并行采样，本文在批量维度上重复嵌入R次。接下来，一个轨迹解码器以一种时间因果的方式(中心)为多个代理推出(rolls out) T 个离散运动tokens。最后，通过使用非最大抑制初始化的k-means聚类的简单聚合，可以恢复 rollouts 典型模式(右图)。
图3。展示了三个WOMD场景的前两种预测联合推出(joint rollout)模式。
颜色梯度表示了从t = 0秒到t = 8秒的时间变化。联合模式由绿色过渡到蓝色，次联合模式由橙色过渡到紫色的概率最大。我们观察到了三种类型的交互：相邻车道中的智能体会根据变道时间给予变道智能体让行（左侧），行人会根据车辆的进度走在过往车辆后面（中间），转弯车辆要么会给过路的骑车人让路（最可能的模式），要么会在骑车人接近之前转弯（次要模式）（右侧）
请看图4。这张图展示了联合推出（左侧）、干预后因果贝叶斯网络（中间）和因果条件反射（右侧）的因果贝叶斯网络表示
实线表示时间上的因果相关性，而虚线表示因果信息流。没有时间依赖约束的模型将支持因果条件作用，但不支持时间因果条件作用，这在试图预测agent反应时可能是有问题的。
实验结果：
引用：
Seff, A., Cera, B., Chen, D., Ng, M., Zhou, A., Nayakanti, N., Refaat, K. S., & Sapp, B. (2023). MotionLM: Multi-Agent Motion Forecasting as Language Modeling. ArXiv. /abs/2309.16534
原文链接：https://mp.weixin.qq.com/s/mtai0ra8penfuj7ujcfd6a
