LAMP: Lane-Aligned Motion Primitives for Feasible Trajectory Prediction

📄 arXiv: 2606.26661v1 📥 PDF

作者: Sangjin Han, Hoseong Jung, Jeongtae Her, Changhyun Choi, H. Jin Kim

分类: cs.RO, cs.AI

发布日期: 2026-06-25

备注: IEEE ITSC 2026, 6 pages

💡 一句话要点

提出LAMP以解决多模态轨迹预测中的拓扑一致性问题

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion) 支柱八：物理动画 (Physics-based Animation) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 运动预测 自动驾驶 多模态预测 车道拓扑 轨迹生成 深度学习 VQ-VAE

📋 核心要点

  1. 现有的运动预测方法在多模态预测中未能充分考虑车道拓扑，导致预测轨迹可能不符合物理和逻辑约束。
  2. 本文提出LAMP框架，通过将多模态预测与车道拓扑对齐的运动原语结合，增强了预测的可靠性和一致性。
  3. 在Argoverse 2数据集上的实验表明，LAMP在准确性、可行性和多样性指标上均优于现有的最先进方法。

📝 摘要（中文）

运动预测对于自动驾驶系统至关重要，以便在复杂驾驶场景中实现安全决策和规划。现有预测方法虽然在最小化标准位移误差方面表现出色，但往往忽视了多模态预测的车道拓扑一致性，尤其是在低概率模式下。因此，预测的轨迹可能违反物理和逻辑约束，使得预测集在安全关键规划中不可靠。本文提出了LAMP（车道对齐运动原语），一个拓扑感知的预测框架，将多模态预测锚定到与车道拓扑对齐的结构化运动原语上。我们使用VQ-VAE学习形状感知的运动原语作为离散意图查询，捕捉超越端点意图的时空模式。我们进一步引入了一个基于车道拓扑先验的可行性感知意图选择器，用于过滤不可达的意图查询，引导解码器优先考虑拓扑一致的意图，同时保持行为多样性。在Argoverse 2数据集上的广泛实验表明，LAMP在预测准确性上与最先进的基线相当，同时在可行性和多样性指标上超越了它们。

🔬 方法详解

问题定义：本文旨在解决现有运动预测方法在多模态预测中未能考虑车道拓扑一致性的问题。现有方法往往只关注最小化位移误差，忽视了物理和逻辑约束，导致预测结果不可靠。

核心思路：LAMP框架通过将多模态预测锚定到与车道拓扑对齐的运动原语上，增强了预测的拓扑一致性。使用VQ-VAE学习形状感知的运动原语，捕捉更丰富的时空模式。

技术框架：LAMP的整体架构包括运动原语学习模块、意图选择模块和解码器。运动原语模块通过VQ-VAE生成离散意图查询，意图选择模块基于车道拓扑先验过滤不可达意图，解码器则生成最终的轨迹预测。

关键创新：LAMP的主要创新在于引入了拓扑感知的运动原语和可行性感知的意图选择器，这与现有方法的单一端点预测方式形成了鲜明对比。

关键设计：在设计中，使用VQ-VAE进行运动原语学习，损失函数考虑了拓扑一致性和行为多样性，确保生成的轨迹既符合物理约束又具备多样性。网络结构采用了模块化设计，便于扩展和优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在Argoverse 2数据集上的实验结果显示，LAMP在预测准确性上与最先进的基线相当，同时在可行性和多样性指标上显著超越了它们，表明该方法在实际应用中的有效性和优势。

🎯 应用场景

该研究的潜在应用领域包括自动驾驶汽车的轨迹预测、智能交通系统和机器人导航等。通过提高预测的可靠性和一致性，LAMP能够为安全关键的自动驾驶决策提供更强的支持，进而提升整体交通安全性和效率。未来，LAMP的框架也可以扩展到其他需要考虑环境拓扑的预测任务中。

📄 摘要（原文）

Motion forecasting is essential for autonomous driving systems to enable safe decision-making and planning in complex driving scenarios. While existing predictors excel at minimizing standard displacement errors, they often overlook the adherence to lane topology of multimodal predictions, particularly for lower-probability modes. Consequently, predicted trajectories may violate physical and logical constraints, making the prediction set unreliable for safety-critical planning. In this paper, we propose LAMP (Lane-Aligned Motion Primitives), a topology-aware forecasting framework that anchors multimodal prediction to structured motion primitives aligned with lane topology. Specifically, we use a VQ-VAE to learn shape-aware motion primitives as discrete intention queries, capturing spatiotemporal patterns beyond endpoint-based intentions. We further introduce a feasibility-aware intention selector trained with a lane-topology prior for filtering unreachable intention queries, guiding the decoder to prioritize topology-consistent intentions while preserving behavioral diversity. Extensive experiments on the Argoverse 2 dataset demonstrate that LAMP achieves prediction accuracy comparable to state-of-the-art baselines while outperforming them in feasibility and diversity metrics.