[論文レビュー] Asymmetrical Bi-RNN for pedestrian trajectory encoding

Raphaël Rozenberg, Joseph Gesnouin+1 more|arXiv (Cornell University)|Jun 1, 2021

Autonomous Vehicle Technology and Safety参考文献 29被引用数 9

ひとこと要約

本稿では、将来の軌跡情報をフォワードエンコーディング中に活用することで、歩行者の軌跡予測を向上させる非対称な双方向RNN、U-RNNを提案する。Trajnet++における実験では、U-LSTMがADE、FDE、衝突指標のすべてにおいて標準LSTMを上回り、軌跡予測モデルにおける優れたシーケンスエンコーダーであることが示された。

ABSTRACT

Pedestrian motion behavior involves a combination of individual goals and social interactions with other agents. In this article, we present an asymmetrical bidirectional recurrent neural network architecture called U-RNN to encode pedestrian trajectories and evaluate its relevance to replace LSTMs for various forecasting models. Experimental results on the Trajnet++ benchmark show that the U-LSTM variant yields better results regarding every available metrics (ADE, FDE, Collision rate) than common trajectory encoders for a variety of approaches and interaction modules, suggesting that the proposed approach is a viable alternative to the de facto sequence encoding RNNs. Our implementation of the asymmetrical Bi-RNNs for the Trajnet++ benchmark is available at: github.com/JosephGesnouin/Asymmetrical-Bi-RNNs-to-encode-pedestrian-trajectories

研究の動機と目的

• 非対称な双方向RNNが、歩行者の軌跡をエンコードする際に標準LSTMを上回る可能性があるかを調査すること。
• フォワードパス中に将来の文脈を活用することで、軌跡予測の精度が向上するかを評価すること。
• 歩行者の運動における好ましい時間的順序が、非対称なアーキテクチャ設計を正当化するかを特定すること。
• 既存のエンコーダデコーダ型軌跡予測フレームワークに即座に統合可能な代替手段を提供すること。
• U-RNNを用いた長期間の依存関係の影響を、LSTMとGRUの異なる再帰ユニットで評価すること。

提案手法

• 将来の情報をフォワードパスで活用する非対称な双方向RNNであるU-RNNを提案。バックワードパスを最初に実行し、その後フォワードパスで将来に配慮した隠れ状態を用いる。
• 二段階のプロセスを採用：まずバックワードRNNが全軌跡を処理して将来の文脈を捉え、次にフォワードRNNがその文脈を用いて過去の位置をエンコードする。
• 標準的なエンコーダインタラクションデコーダパイプラインにおけるシーケンスエンコーダとしてU-RNNを適用。
• LSTMとGRUの両方のユニットを用いてU-RNNを評価し、異なるインタラクションモジュール（方向プーリング、ソーシャルプーリング、オブストラクションプーリング）における性能を比較。
• ADE、FDE、衝突率（Col-I、Col-II）という標準指標を用いて、Trajnet++ベンチマークで評価。
• 歩行者の運動における時間的順序がフォワード方向であるという仮説を検証するため、逆転U-RNNバージョンを用いる。

実験結果

リサーチクエスチョン

• RQ1 将来の情報をフォワードエンコーディング中に活用する非対称な双方向RNNが、標準LSTMを上回る軌跡予測性能を達成できるか？
• RQ2 U-RNNの性能向上は、歩行者の軌跡における長期間の依存関係を捉える能力に起因するか？
• RQ3 歩行者の運動モデリングにおいて、フォワード方向を主なエンコーディング方向として使用する上で顕著な利点があるか？
• RQ4 U-RNNアーキテクチャは、異なるインタラクションモジュールおよび予測ベースラインにおいて一貫して標準LSTMを上回るか？
• RQ5 U-RNNの利点は、単にLSTMをGRUよりも使用しているからではなく、アーキテクチャの非対称性に起因するか？

主な発見

• U-LSTMは、Trajnet++ベンチマークにおいてすべての指標で標準LSTMを上回り、ADEとFDEが低くなった。
• U-LSTMエンコーダーは、定常速度ベースラインと比較して衝突率（Col-I）を50％以上削減した。
• U-LSTMとU-GRUの性能差から、性能向上は長期間の依存関係のより良いモデリングに起因することが示唆された。
• 逆転U-LSTMは標準U-LSTMより性能が悪く、歩行者の運動においてフォワード方向が好ましい時間的順序であることが確認された。
• ソーシャルプーリングやオブストラクションプーリングを用いても、U-LSTMは標準LSTMを上回る性能を示し、広範な適用可能性が示された。
• 結果から、シーケンスエンコーディングが軌跡予測において重要な要素であり、U-RNNはLSTMの強力な代替手段であることが明らかになった。