运动预测是自主驾驶系统中的关键模块。由于多源输入的异构性、代理行为的多模态性以及需要现场部署的低延迟，这个任务极具挑战性。为了应对这些困难，本文提出了一种新型的以代理为中心的模型，采用基于锚点的提议实现高效的多模态运动预测。我们设计了一种模态不可知的策略，以一种统一的方式简明地编码复杂的输入。我们生成多样化的提议，融合了以目标为导向的场景上下文的锚点，以诱导涵盖广泛的未来轨迹的多模态预测。我们的网络架构高度统一且简洁，可用于现实世界的驾驶部署。实验结果表明，我们的以代理为中心的网络在预测准确度方面与最先进的方法相比具有竞争优势，并实现了场景中心级别的推理延迟。
论文链接：http://arxiv.org/pdf/2303.12071v1
更多计算机论文：http://cspaper.cn/