MTR++论文阅读

https://zhuanlan.zhihu.com/p/654070149

文章亮点：

1. Dense Future Prediction for All Agent：将预测的结果也encode起来，用于平衡障碍物之间的预测结果。不过在infer的时候这一部分不会进行
2. 用数据集聚类获得query轨迹点（goal 点）：将goal点也进行Transformer，并且让上一帧模型的结果用于下一帧的模型推理，可以使模型的推理更加具有连续性
3. MTR是有agent视角来做坐标系的，MTR++是由主车视角来做坐标系的。
4. MTR++中，对于intention query(goal点)，也是转换到主车坐标系，同时会对所有障碍物的query一起进行编码，考虑障碍物之间的交互性。