近日，清华大学车辆与运载学院李克强院士、李升波教授领导的研究团队，依靠自主创新的SEPT网络及DuCa训练技术于自动驾驶轨迹预测领域取得重要突破。该工作在国际知名的Argoverse轨迹预测挑战赛（Argoverse Motion Forecasting Competition）中斩获佳绩，于官方评比的7项关键技术指标，取得6项指标的全球第一排名。这一工作为高安全、高可靠的自动驾驶系统开发奠定了坚实的基础。

Argoverse竞赛榜单（网址：https://eval.ai/web/challenges/challenge-page/454/leaderboard/1279）

交通参与者行为预测是高级别自动驾驶系统的核心技术，也是认知智能领域最具有挑战性的难题之一。面向城市道路场景，准确预测每一个交通参与者的运行状态，是构建高安全、高可靠的自动驾驶决策、规划与控制能力的先决条件。面临道路几何结构复杂异构，交通流人车混杂、动态特性时变，准确理解各动静态要素的时空关系十分困难；人类的驾驶行为具有强随机和强动态性，导致意图多样且多变，难以使用单一模态进行描述；交通参与者之间存在强博弈性，尤其是密集交通状况下，每一辆车的行为变化都将引起周车行为的随动，进而影响自车的未来运动状态。

Argoverse是国际公认的自动驾驶运动预测权威数据集，其挑战赛由人工智能领域的顶级会议CVPR于2020年发起。Argoverse运动预测数据集的特点包括：数据规模大，超过30万个实际道路数据样本；场景覆盖范围广，包括多车道、丁字路口、十字路口、进出匝道等；竞赛参与者多，超过340支参赛队伍，涵盖自动驾驶领域的知名研究团队，如CMU、MIT、Stanford、香港中文大学、Google Research、Waymo、华为、商汤等。据不完全统计，近3年超过1000篇同领域研究工作以该数据集为基础。该数据集评比的七项技术指标为：brier-minFDE(K=6), minFDE(K=6), minADE(K=6), minFDE(K=1), minADE(K=1), MR(K=1)，MR(K=6)。清华大学提出的SEPT预测网络以及对应的DuCa训练技术于前6项技术指标均获得第一名，第7项技术指标获得第二名（全部340余项参赛算法）。另外，若仅对比官方排名前40位的综合性算法，SEPT网络的预测能力在所有7项技术指标中全部排名第一。

所提出方法的创新之处包括：（1）Scene Encoding Predictive Transformer（SEPT）网络：该网络包括Scene Encoder与Trajectory Predictor两个核心组成。前者以静态路径生成器（采用团队已有的IDC架构设计）为前置，建立了时空分离的动态场景编码网络，先理解历史轨迹的动态时序信息，后处理车-路/车-车空间关系，具备网络结构扩展性好、适用于级联训练的优点；后者则输入场景编码，使用互注意力网络，从可学习的查询向量直接生成多模态轨迹，避免了对锚点与轨迹proposal等中间态向量的依赖，模型更为简洁且参数可训练性更好；（2）Dual Cascading（DuCa）训练技术：建立了Scene Encoder与Trajectory Predictor交互支持的双阶段级联训练方法。第一阶段重点关注场景编码的表征学习，包含三个自监督训练任务：周车轨迹掩码重建，矢量化道路掩码重建和目标车辆终端轨迹预测；第二阶段增加解码层的互注意力网络，进行轨迹预测的上下游任务联合训练，通过近似轨迹意图的概率分布实现行为的多模态准确预测。

该研究工作得到国家“十四五”重点研发计划、国家自然科学基金以及清华大学自主科研计划的资助。