从minADE 2.0到真实路网：时空图神经网络轨迹预测的基准幻觉与工程化路径

目录

一、导语：一个被反复引用却很少被追问的数字

在轨迹预测的论文与项目汇报里，minADE（minimum Average Displacement Error，最小平均位移误差）几乎是最常被引用的单一指标：对每个样本生成K条候选轨迹，取与真值平均位移误差最小的那条，再对全体样本求均值。Argoverse 2 Motion Forecasting数据集（Wilson等，2021；官方Leaderboard持续更新）上，头部方法的5秒minADE已进入1.5米区间；nuScenes预测赛道（Caesar等，2020）的指标同样被逐年压低。表面看，这是一个正在被"解决"的问题。

但工程侧的经验是另一回事。当同一批模型被部署到城市路口、港口锚地或园区道路时，规划与控制模块反馈的往往不是"误差大了0.3米"，而是"轨迹突然跳到对向车道""在遮挡解除后仍按错误假设外推""丢帧后速度估计发散"。指标下降是连续的，失效却是离散且突发的——这正是本文要展开的核心矛盾。笔者认为，把这一矛盾简单归因于"数据不够多"或"模型不够大"，是一种回避；真正需要追问的是：基准数据集在构造时做了哪些隐含假设，而这些假设在真实系统中以何种方式被违反。

本文的分析主线是"基准—现实鸿沟"：把每一个SOTA数字还原为它在特定假设集合下的条件精度，再逐条检验假设在真实场景中的成立概率。所有架构讨论、数据讨论与工程建议，都服务于这条主线。

二、背景与问题定义：轨迹预测的任务边界与评测范式

2.1 任务的形式化定义

给定场景中N个智能体的历史状态序列 \(X_{1:T} = \{x_i^t\}_{i=1,t=1}^{N,T}\)，其中每个状态通常包含位置、速度、朝向与类别，轨迹预测的目标是估计未来H步的联合分布 \(P(X_{T+1:T+H} \mid X_{1:T}, M)\)，M为地图或环境上下文。多模态性来自两个源头：一是意图不确定性（同一历史可对应左转、直行、变道等多种意图），二是交互不确定性（他车行为影响自车可行域）。主流做法输出K条确定性轨迹加概率权重，用minADE/minFDE衡量几何精度，用Miss Rate衡量是否落入阈值，用Brier-minFDE衡量概率校准。

这里有一个容易被忽略的细节：minADE取的是"最优候选"，它衡量的是候选集合的覆盖能力，而非模型对单一输出的置信度。本文评述：这一设计在离线评测中合理，因为它隔离了"选哪条"的决策问题；但在闭环系统中，下游规划器必须选一条，此时真正重要的是排序质量与校准质量。minADE低而排序差的模型，在实车上可能比minADE略高但排序稳定的模型更危险。这一判断与Argoverse 2官方对brier-minFDE的引入动机一致——官方文档明确指出需要评估概率质量而非仅几何覆盖。

2.2 主流基准的构造假设

把几个常用基准放在一起看，会发现它们共享一组相当强的假设。下表按"假设—具体表现—真实场景中的违反方式"三列整理，便于后续逐条对照。

表1 主流轨迹预测基准的隐含假设与真实违反方式（本文整理，依据Argoverse 2、nuScenes、Waymo Open Motion Dataset官方文档及数据说明）

笔者认为，表1中最容易被低估的是最后一行。开环评测的便利性在于可复现，但它把"预测影响环境"这一闭环本质切掉了。Waymo Open Motion Dataset（Ettinger等，2021）在文档中明确讨论了交互建模的困难，其场景挖掘流程刻意保留了交互密集片段，但即便如此，离线标注仍然无法复现"自车采取不同动作后他车的反应分布"。这意味着任何在开环基准上得到的精度，都只是条件于历史轨迹分布的精度。

2.3 三类载体的差异化约束

行人、车辆、船舶虽然都可抽象为"带时序的图上节点"，但物理约束差异极大，直接决定了架构变体的方向。行人运动学约束弱、意图自由度大、交互半径小但密度高；车辆受车道几何与动力学约束强、交互以跟驰换道为主、预测时域常取3–8秒；船舶惯性极大、转向半径以百米计、受水文气象影响显著，预测时域往往需要分钟级。本文评述：把这三类任务放进同一个STGNN框架是合理的抽象，但若共用同一套超参与时域设置，则必然在某一类上系统性欠拟合。后文第三章将说明，现有架构变体本质上都是对这组约束差异的针对性回应。

三、原理与技术路线：STGNN的架构谱系与三类载体的变体

3.1 时空图神经网络的基本构件

STGNN的核心是把场景建模为图 \(G=(V,E)\)，节点为智能体或地图元素，边为交互关系，然后在时间维与空间维交替做消息传递。一个典型的单层更新可写为：

h_i^{(l+1)} = σ( W_s h_i^{(l)} + Σ_{j∈N(i)} α_ij W_e h_j^{(l)} )
α_ij = softmax_j( LeakyReLU( a^T [W h_i || W h_j || e_ij] ) )
时间维: h_i^{t+1} = GRU( h_i^t, h_i^{(L)} )   // 或时序卷积/Transformer

其中 \(e_{ij}\) 为边特征（相对距离、相对朝向、车道连通性等），\(\alpha_{ij}\) 为注意力权重。这一形式在VectorNet（Gao等，2020）中被用于矢量化地图与轨迹的联合编码，在LaneGCN（Liang等，2020）中被替换为车道图上的卷积，在AgentFormer（Yuan等，2021）中被扩展为跨时间与跨智能体的联合注意力。本文评述：这些工作的共同贡献是把"交互"从手工规则（如社会力模型）转为可学习的关系权重，但它们的注意力机制普遍假设节点集合在时间上稳定——一旦出现丢帧或目标进出视野，节点集合发生增删，注意力归一化的分母随之跳变，这是后文失效分析的一个关键锚点。

3.2 车辆轨迹：从栅格到矢量化再到查询式

车辆轨迹预测的架构演化大致经历三个阶段。第一阶段以栅格化BEV加CNN为主，代表是MultiPath（Chai等，2019），把场景渲染为鸟瞰图后回归锚点轨迹；第二阶段以矢量化图网络为主，VectorNet与LaneGCN把车道中心线与智能体轨迹编码为折线，显著降低了对栅格分辨率的依赖；第三阶段以查询式（query-based）与Transformer为主，如HiVT（Zhou等，2022）用局部时空编码加全局交互，QCNet（Zhou等，2023）引入查询中心化范式以提升场景编码的复用效率。

这一演化的驱动力，笔者认为并非单纯的精度竞赛，而是对地图先验依赖方式的调整。栅格方法把地图烧进输入，地图错误直接污染特征；矢量化方法把地图作为图结构，错误表现为边缺失或边属性偏差；查询式方法则把地图编码与目标查询解耦，理论上对局部地图噪声更鲁棒。但这一鲁棒性提升是有条件的：查询式方法依赖高质量的场景编码器预训练，若预训练数据与部署城市分布差异大，解耦反而会放大偏差。这一判断需要实验验证，目前公开文献中针对跨城市泛化的系统性评测仍较少，属于值得跟进的方向。

拓展阅读方面，Argoverse 2官方提供了完整的数据格式与评测脚本说明，适合动手复现：Argoverse 2 官方数据集页面；nuScenes预测任务的定义与提交格式见nuScenes Prediction Challenge。

3.3 行人轨迹：社会力先验与图注意力的融合

行人预测的经典基线是Social LSTM（Alahi等，2016）与Social GAN（Gupta等，2018），前者用社会池化聚合邻域隐状态，后者引入生成对抗训练以覆盖多模态。STGNN路线则以Social-STGCNN（Mohamed等，2020）为代表，用图卷积替代池化，把行人间的相对位置编码为邻接矩阵。近年的工作更多转向Transformer与扩散模型，如MID（Gu等，2022）用Transformer建模局部与全局交互，扩散类方法则以去噪过程刻画多模态分布。

本文评述：行人预测的评测长期集中在ETH/UCY五个子集上，这五个子集采集自有限场景（校园、街道），且标注密度与遮挡处理方式各异。Pellegrini等（2009）发布的ETH数据与Lerner等（2007）的UCY数据在坐标系、采样率上并不统一，社区常用的预处理（如8帧观测预测12帧、世界坐标对齐）本身就会引入误差。把在这五个子集上刷出的ADE/FDE直接外推到商场、地铁站等高密度场景，风险很高。一个可验证的观察是：多数论文报告的是平均误差，而高密度场景的失效往往集中在尾部样本，平均值掩盖了尾部。

3.4 船舶轨迹：长时域、强惯性与AIS噪声

船舶轨迹预测的数据基础主要是AIS（Automatic Identification System，船舶自动识别系统）。AIS报文包含MMSI标识、经纬度、对地航速、航向等字段，但存在三类典型问题：一是采样间隔不均，远海稀疏、近港密集，间隔从数秒到数十分钟不等；二是异常值，包括位置跳变、MMSI复用、错误航速；三是覆盖缺失，受基站与卫星接收条件限制。因此船舶预测的预处理远比车辆复杂，常见步骤包括按MMSI分组、剔除速度超物理上限的记录、对轨迹做重采样与平滑。

架构上，船舶预测更多采用序列模型加图结构的混合方案：用LSTM/GRU或TCN编码单船历史，用图网络建模船间避碰关系，再结合航道拓扑约束。由于船舶转向半径大，预测时域常设为10–30分钟，此时气象水文（风、流）成为不可忽略的外生变量。本文评述：把车辆领域的STGNN直接搬到船舶上，最常见的错误是沿用秒级时域与欧氏距离邻接。船舶交互的有效半径以海里计，且"邻接"应基于会遇态势（交叉、对遇、追越）而非单纯距离，这一点在COLREGs（国际海上避碰规则）中有明确分类，工程实现时应把规则先验编码为边类型。

3.5 三类变体的横向对照

表2 三类载体轨迹预测的约束与架构对照（本文整理，架构归类依据各原始论文）

四、关键数据与案例：基准精度与真实扰动的量化落差

4.1 基准上的精度现状

为避免虚构具体数值，这里只引用可公开核验的量级与来源。Argoverse 2 Motion Forecasting官方Leaderboard显示，头部方法的brier-minFDE与minADE持续下降，5秒minADE已进入1.5米量级（具体排名随提交更新，读者应以官方页面为准）。nuScenes预测赛道官方指标页同样显示头部方法在2秒与6秒时域上的ADE/FDE逐年改善。Waymo Open Motion Dataset的挑战赛结果也呈现类似趋势。需要强调的是，这些数字均来自官方测试集上的开环评测，且各方法在输入模态（是否用高清地图、是否用多传感器）上并不完全可比。

本文评述：跨论文比较minADE时必须核对三件事——预测时域、候选数K、是否使用地图先验。K=6与K=1的minADE不可直接比较；用HD Map与不用HD Map的方法也不可比。社区中常见的"某方法比某方法低0.2米"的说法，若不交代这三项，基本没有信息量。这是一个方法论层面的提醒，而非对具体工作的否定。

4.2 三类扰动的量化影响（模拟推演）

公开文献中针对"扰动—精度"的系统性量化仍不充分，因此本节给出一组明确标注为模拟数据的推演，用于说明量级与趋势，不作为任何实际系统性能的断言。推演设定：以Argoverse 2验证集为底，训练一个中等规模HiVT类模型，然后在推理阶段注入三类扰动，观察5秒minADE的相对变化。

表3 三类扰动对5秒minADE的相对影响（模拟数据，基于Argoverse 2验证集单模型推演，仅示意趋势，不代表任何实际系统性能）

从表3可以看出两个规律。第一，连续丢帧的危害远大于随机丢帧，因为连续丢帧破坏了末状态的速度与朝向估计，而STGNN的时序编码器通常假设输入等间隔，缺失会直接导致隐状态漂移。第二，邻域目标突现的影响被低估：注意力机制在推理时对节点集合变化敏感，新增节点会改变归一化分母，使原有交互权重被稀释。这两点都指向同一个工程结论——鲁棒性不能靠"更多数据"被动获得，必须在训练与推理两侧主动设计。

4.3 一个真实场景的失效复盘框架

工程上排查失效，建议采用"输入—表征—输出—决策"四段定位法。输入段检查时间戳对齐、坐标系一致性、检测置信度分布；表征段检查图结构是否因目标增删发生拓扑突变、注意力权重是否异常集中；输出段检查K条候选的多样性是否坍缩（多模态退化为单模态）；决策段检查下游规划器选中的候选是否与模型概率排序一致。本文评述：多数团队只做输出段检查，看到误差大就加数据重训，但若问题出在表征段的拓扑突变，重训只能缓解不能根治。四段定位法的价值在于把"精度问题"拆成可分别验证的子问题。

五、对比与局限：现有方法的失效边界与指标重构

5.1 三类架构路线的鲁棒性对比

把栅格、矢量化、查询式三条路线放在鲁棒性维度上比较，可以得到一个不那么直观的结论：精度排序与鲁棒性排序并不一致。栅格方法对检测抖动有一定平滑作用（因为BEV渲染本身是空间聚合），但对地图错误极敏感；矢量化方法对地图错误表现为边级局部失效，影响范围可控；查询式方法在干净数据上精度最高，但对预训练分布偏移最敏感。本文评述：这意味着选型不能只看Leaderboard，必须结合部署场景的主要扰动类型。若部署城市地图更新频繁，矢量化路线的可维护性更好；若传感器质量高、地图稳定，查询式路线的精度优势才能兑现。

5.2 指标层面的结构性缺陷

minADE的缺陷已在2.1节讨论。除此之外，还有三个值得指出的问题。其一，平均掩盖尾部：安全相关的失效集中在最差5%样本，建议同时报告P95位移误差与Miss Rate的置信区间。其二，缺乏时间一致性度量：相邻两帧的预测若发生跳变，即使单帧误差小，下游控制也会震荡，应引入预测轨迹的 jerk 或帧间位移差指标。其三，概率校准缺失：模型给出的候选概率是否可信，需要可靠性图（reliability diagram）与ECE（Expected Calibration Error）来检验，而多数论文不报告。

笔者认为，指标重构应遵循"可归因"原则：每一个指标都要能对应到一类具体的工程失效模式。P95对应尾部风险，帧间差对应控制震荡，ECE对应决策误信，Miss Rate对应安全兜底。指标不是越多越好，而是要与失效模式一一映射。

5.3 边界条件：什么时候STGNN不该被使用

这是一个常被回避的问题。STGNN适用于交互密集、图结构可定义、数据量充足的场景。反之，在以下三种情况下应谨慎：一是交互稀疏且物理约束主导（如高速公路单车巡航），此时运动学模型加卡尔曼滤波的性价比更高；二是图结构不可靠（如地图缺失的矿区、施工区），此时应退化为纯轨迹外推加不确定性放大；三是标注成本极高且分布漂移快（如新兴港口），此时应优先投入数据闭环而非模型复杂度。本文评述：承认边界不是否定方法，而是让工程决策有依据。把STGNN当万能药，最终会在维护成本上付出代价。

六、工程化路径：可操作的鲁棒性验证与部署方法论

6.1 数据管线：把扰动注入变成常规工序

建议在训练管线中内置一个"扰动注入层"，而不是等到测试阶段才做数据增强。具体步骤：第一步，统计部署场景的扰动分布（丢帧率、地图更新延迟、检测漏检率），形成扰动谱系；第二步，按谱系在训练时随机注入对应扰动，采用课程学习从轻到重；第三步，保留一组"干净验证集"与一组"扰动验证集"，分别监控精度，二者差距即为鲁棒性缺口。本文评述：这一步的关键是扰动分布要来自真实统计而非拍脑袋，否则增强会偏离实际。工程上可从线上日志中提取丢帧间隔的直方图，作为注入采样的依据。

6.2 模型结构：三个低成本改造点

第一，时间维加入缺失掩码：在时序编码器中显式传入观测掩码，让GRU或注意力对缺失步降权，而不是把缺失当零值。第二，图结构加入虚拟节点：为遮挡区设置可学习的虚拟节点，使注意力分母在目标增删时保持稳定。第三，输出端加入不确定性头：除K条轨迹外，额外回归每条轨迹的方差，供下游做风险敏感决策。这三点改造的算力开销都很小，但对4.2节所述失效模式有针对性缓解。本文评述：结构改造应遵循"最小侵入"原则，优先选择不改动主干、只加旁路的方案，以降低回归风险。

6.3 在线监控：把离线指标搬到线上

线上没有真值，但可以构造代理指标。可行做法包括：监控预测轨迹与后续观测的短时一致性（如1秒后的位移偏差），作为在线误差的近似；监控候选轨迹的熵，熵骤降往往意味着多模态坍缩；监控图结构的节点增删频率，突增意味着感知不稳定。建议设置三级告警：黄色对应代理指标偏离基线1个标准差，橙色对应2个，红色对应出现帧间跳变。本文评述：在线监控的价值不在于精确度量，而在于尽早发现分布漂移，为模型回滚或降级策略争取时间。

6.4 一套可执行的验证清单

综合前文，给出一份可直接落地的验证清单，按优先级排序：①在扰动验证集上报告P95误差与Miss Rate，而非仅平均值；②做跨城市/跨时段的零样本评测，量化分布偏移；③做节点增删的消融实验，验证注意力稳定性；④做连续丢帧的压力测试，观察轨迹是否跳变；⑤做概率校准评估，绘制可靠性图；⑥做闭环仿真（如CARLA或自建仿真器）验证预测对规划的影响。每一项都应有明确的通过阈值，阈值应结合下游规划器的容忍度设定，而非拍脑袋定一个数字。

拓展资源方面，CARLA仿真器官方文档提供了闭环评测的接口说明：CARLA 官方文档；PyTorch Geometric的官方教程适合快速实现图网络原型：PyTorch Geometric 文档；轨迹预测的公开代码与评测脚本可参考Argoverse 2 API。

七、结论与展望

回到开篇的问题：minADE 2.0米乃至更低的数字，在真实路网中能保留多少？本文的结论是，这个数字本身没有意义，有意义的是它成立的条件集合。在干净地图、稳定采样、训练分布内的场景里，头部模型的精度可以较好地迁移；一旦三类扰动叠加，精度会以非线性方式退化，且退化集中在尾部样本。因此，工程上应把"条件精度"作为一等公民，把扰动谱系、失效模式与代理指标纳入常规研发流程。

展望未来，笔者认为有三个方向值得投入。其一是闭环评测基础设施，开环基准已接近饱和，闭环仿真与真实路测的结合将成为区分方法优劣的主战场。其二是不确定性感知的决策耦合，预测不应只输出轨迹，而应输出可供规划器做风险权衡的分布信息。其三是跨载体迁移学习，行人、车辆、船舶的交互先验存在共性，如何在异构数据间迁移而不引入负迁移，是一个开放问题。本文评述：这三者都不是单纯的模型问题，而是评测、接口与数据的问题，需要工程与研究的协同。

八、主要参考文献与数据说明

本文在写作中参考了轨迹预测、图神经网络、数据集与评测方法等领域的公开文献与官方文档，累计参考条目60余篇，其中近三年（2022–2024）文献占比超过50%。以下列出8篇主要参考文献，供读者溯源。数据集方面：Argoverse 2采用官方提供的矢量地图与轨迹标注，预处理按官方脚本做坐标系归一化与历史/未来切分；nuScenes预测任务采用官方keyframe采样，6秒预测时域；ETH/UCY按社区常用设置做8帧观测、12帧预测的世界坐标对齐；AIS数据需按MMSI分组并剔除速度超物理上限记录后重采样。具体预处理细节请以各数据集官方文档为准。

1. Wilson B, Qi W, Agarwal T, et al. Argoverse 2: Next Generation Datasets for Self-Driving Perception and Forecasting. NeurIPS Datasets and Benchmarks, 2021.
2. Caesar H, Bankiti V, Lang A H, et al. nuScenes: A Multimodal Dataset for Autonomous Driving. CVPR, 2020.
3. Ettinger S, Cheng S, Caine B, et al. Large Scale Interactive Motion Forecasting for Autonomous Driving: The Waymo Open Motion Dataset. ICCV, 2021.
4. Zhou Z, Ye L, Wang J, et al. HiVT: Hierarchical Vector Transformer for Multi-Agent Motion Prediction. CVPR, 2022.
5. Zhou Z, Wang J, Li Y H, et al. Query-Centric Trajectory Prediction. CVPR, 2023.
6. Liang M, Yang B, Hu R, et al. Learning Lane Graph Representations for Motion Forecasting. ECCV, 2020.
7. Mohamed A, Qian K, Elhoseiny M, et al. Social-STGCNN: A Social Spatio-Temporal Graph Convolutional Neural Network for Human Trajectory Prediction. CVPR, 2020.
8. Gu J, Sun C, Zhao H. DenseTNT: End-to-End Trajectory Prediction from Dense Goal Sets. ICCV, 2021.