[論文レビュー] Autonomous driving challenge: To Infer the property of a dynamic object based on its motion pattern using recurrent neural network

Mona Fathollahi, Rangachar Kasturi|arXiv (Cornell University)|Sep 1, 2016

Anomaly Detection Techniques and Applications参考文献 8被引用数 3

ひとこと要約

本稿では、自律走行車両の状況において、物体の運動軌跡に基づき、跳ね返り（軽量）と非跳ね返り（重い）物体を分類するために、長短期記憶（LSTM）再帰ニューラルネットワークを提案する。実世界のゴルフボールの軌跡では93%の正確さを達成し、木製キューブでは100%を記録した。運動パターンそのものだけで物体の性質を信頼性高く推定できることを示し、障害物回避の意思決定をより安全に行えることを示している。

ABSTRACT

In autonomous driving applications a critical challenge is to identify action to take to avoid an obstacle on collision course. For example, when a heavy object is suddenly encountered it is critical to stop the vehicle or change the lane even if it causes other traffic disruptions. However,there are situations when it is preferable to collide with the object rather than take an action that would result in a much more serious accident than collision with the object. For example, a heavy object which falls from a truck should be avoided whereas a bouncing ball or a soft target such as a foam box need not be.We present a novel method to discriminate between the motion characteristics of these types of objects based on their physical properties such as bounciness, elasticity, etc.In this preliminary work, we use recurrent neural net-work with LSTM cells to train a classifier to classify objects based on their motion trajectories. We test the algorithm on synthetic data, and, as a proof of concept, demonstrate its effectiveness on a limited set of real-world data.

研究の動機と目的

• 自律走行車両において、物体の物理的性質（例：跳ね返りの度合い）に基づき、障害物を避けるべきか、安全に乗り越えるべきかを判断する課題に対処すること。
• 解像度の低さ、運動のぼやけ、外観から質量を推定できないといった視覚的物体認識の限界を補うために、運動軌跡を信頼できる手がかりとして活用すること。
• 視覚的特徴に依存せずに、軌跡データから物体の性質（例：跳ね返り、弾性）を推定する時系列分類モデルを開発すること。
• 合成データと限定的な実世界データを用いてアプローチを検証し、自律走行車両におけるリアルタイム意思決定の実現可能性を示すこと。

提案手法

• ブレンダーを用い、バトル物理エンジンで、形状を一定に保ちながら質量を変化させた跳ね返り物体の合成運動軌跡を生成した。
• データセットは、軽量・跳ね返り（高弾性）と重い・非跳ね返り（低弾性）の2クラスの、各1,000件のトレーニングおよびテストシーケンスから構成されている。
• 2層のLSTMネットワークを用い、各層に64ユニットを設定し、ドロップアウト率を0.8に設定した。各次元ごとに入力を正規化し、消失勾配を軽減するために、時間軸に沿った断片的バックプロパゲーションを適用した。
• モデルは3次元軌跡シーケンス（X, Y, Z座標）または単一のZ軸データを処理し、最終的なLSTM隠れ状態をソフトマックス層に供給して分類を行った。
• 実世界のテストでは、RGBカメラで軌跡を撮影し、色マーカーを用いて追跡した。運動のぼやけによりデータ損失が生じた場合は補間またはゼロパディングを行った。
• 訓練済みモデルは、実世界データに対してZ軸軌跡のみを用いて評価され、ゴルフボール（高い跳ね返り）と木製キューブ（低い跳ね返り）の分類性能を測定した。

実験結果

リサーチクエスチョン

• RQ1 自律走行車両の状況において、運動軌跡のパターンのみで、跳ね返り（軽量）と非跳ね返り（重い）物体を信頼性高く区別できるか？
• RQ2 3次元軌跡データ（X, Y, Z）を用いる場合と、垂直方向（Z）の運動のみを用いる場合とを比較した場合、物体の跳ね返りの分類性能にどのような差が生じるか？
• RQ3 LSTMを用いた物体運動パターンの分類において、正確性を最大化しつつ勾配消失の問題を避けるために最適な入力シーケンス長は何か？
• RQ4 合成軌跡で訓練したモデルが、類似した物理的挙動を示す実世界の動的物体に一般化可能か？

主な発見

• 3次元軌跡データ（X, Y, Z）を用いた場合、LSTM分類器は81%の正確さを達成した。Z軸成分のみを用いた場合の78%よりも優れた性能を示した。
• モデルは、軽量物体の停止時間が長くなるといったXおよびY成分の微細な差が、Z軸データのみに依存する場合よりも分類性能を向上させることを示した。
• 分類正確さは、10～15時間ステップのシーケンス長でピークに達し、それ以上の長さではLSTM内の消失勾配の影響により性能が低下した。
• 実世界データでは、ゴルフボール（非常に跳ね返りやすい）の分類で93%の正確さ、木製キューブ（跳ね返りが低い）の分類で100%の正確さを達成した。合成から実世界への一般化が有効であることを裏付けた。
• 結果から、視覚認識が失敗しても、運動軌跡が跳ね返りなどの物理的性質を推定する強力で信頼できる手がかりであることが確認された。