轨迹预测模型的训练方法及系统

本发明涉及自动驾驶技术领域，特别涉及一种轨迹预测模型的训练方法及系统，首先获取自动驾驶场景下的车辆和行人的轨迹数据集；其次利用已构建的轨迹数据集训练轨迹预测模型；根据数据集确定在历史轨迹中添加随机扰动的超参数；然后设计路径时间敏感显著性算法，自适应的选择出不同场景下模型攻击灵敏度最高的轨迹，将此轨迹作为模型的敏感路径。随后设计基于时空梯度下降的方法，在实际物理约束下降生成合理的对抗性轨迹路径。最后，利用干净样本和生成的隐蔽性更高、更可靠的对抗样本一起进行对抗训练，从而获得更强鲁棒性的轨迹预测模型。本发明实现生成轨迹预测任务中更具隐蔽性和灵活性的对抗样本，可以更好的增强轨迹模型的鲁棒性。