二段式端到端新SOTA！港科大FiM：从Planning的角度重新思考轨迹预测（ICCV'25）

预测行驶中的交通参与者的轨迹运动，对于确保自动驾驶系统的安全性而言，既是一项重大挑战，也是一 项至关重要的需求。与大多数现有的、直接预测未来轨迹的数据驱动方法不同，我们从 规划（planning） 的视角 重新思考这一任务，提出一种" 先推理，后预测（First Reasoning, Then Forecasting） "的策略，该 策略显式地将行为意图作为轨迹预测的空间引导。为实现这一目标，进一步引入了一种可解释的、基于奖 励的意图推理器（intention reasoner），其建立在一种新颖的 以查询为中心的逆强化学习（query-centric Inverse Reinforcement Learning, IRL） 框架之上。我们的方法首先将交通参与者和场景元素编码为统一的 向量化表示，然后通过以查询为中心的范式聚合上下文特征。进而推导出一个 奖励分布（reward distribution） ——一种紧凑但信息丰富的表示，用于刻画目标参与者在给定场景上下文中的行为。在该奖 励启发式（reward heuristic）的引导下，我们进行策略 rollout，以推理多种可能的意图，从而为后续的轨迹 生 ...