[論文レビュー] BiTraP: Bi-directional Pedestrian Trajectory Prediction with Multi-modal Goal Estimation

Yu Yao, Ella Atkins+3 more|arXiv (Cornell University)|Jul 29, 2020

Autonomous Vehicle Technology and Safety参考文献 38被引用数 14

ひとこと要約

BiTraPは、推定された目的地からの前向きおよび後向きデコードを組み合わせることで、長期的な歩行者運動予測を向上させる双方向で目的に適合した軌道予測モデルを提案する。第一人称視点および鳥瞰図視点のデータセットにおいて、SOTAを更新し、ADE/FDEを最大50%まで低減した。また、2秒以上の長時間予測においても優れた性能を示し、アブレーション実験により、潜在変数の選択（非パラメトリック vs. GMM）が予測の多様性に顕著な影響を与えることが明らかになった。

ABSTRACT

Pedestrian trajectory prediction is an essential task in robotic applications such as autonomous driving and robot navigation. State-of-the-art trajectory predictors use a conditional variational autoencoder (CVAE) with recurrent neural networks (RNNs) to encode observed trajectories and decode multi-modal future trajectories. This process can suffer from accumulated errors over long prediction horizons (>=2 seconds). This paper presents BiTraP, a goal-conditioned bi-directional multi-modal trajectory prediction method based on the CVAE. BiTraP estimates the goal (end-point) of trajectories and introduces a novel bi-directional decoder to improve longer-term trajectory prediction accuracy. Extensive experiments show that BiTraP generalizes to both first-person view (FPV) and bird's-eye view (BEV) scenarios and outperforms state-of-the-art results by ~10-50%. We also show that different choices of non-parametric versus parametric target models in the CVAE directly influence the predicted multi-modal trajectory distributions. These results provide guidance on trajectory predictor design for robotic applications such as collision avoidance and navigation systems.

研究の動機と目的

• 再帰的モデルにおける長時間予測（≥2秒）における軌道予測精度の低下を是正すること。
• 歩行者の目的地を推定し、それを双方向デコードのアンカーとして用いることで、マルチモーダルな軌道予測を向上させること。
• 条件付き変分オートエンコーダ（CVAE）における潜在変数分布（正規分布 vs. カテゴリカル分布）が、予測された軌道分布の多様性と品質に与える影響を調査すること。
• 双方向損失関数およびデコーダ設計が予測性能および計算効率に与える影響を評価すること。
• 障害物回避やナビゲーションなどのロボットアプリケーションにおける軌道予測子の選定を支援すること。

提案手法

• BiTraPは、ゴール推定ヘッドを用いて将来の歩行者ゴールを推定し、それを後向き軌道生成の終点として扱う。
• 現在位置からの前向き予測と推定ゴールからの後向き予測を組み合わせた双方向デコーダを採用する。
• マルチモーダルな将来の軌道を生成するために、確率的潜在変数を備えた条件付き変分オートエンコーダ（CVAE）を用いる。
• 2つのバージョンを実装する：BiTraP-NP（非パラメトリック、正規分布の潜在変数）とBiTraP-GMM（パラメトリック、GMM出力を持つカテゴリカルな潜在変数）。
• 精度と分布の多様性の両立を図るため、ベストオブマニ（BoM）L2損失と負の対数尤度（NLL）損失の両方を用いて訓練する。
• 誤差蓄積を低減するため、前向きおよび後向きの軌道予測を同時に最適化する双方向損失関数を導入する。

実験結果

リサーチクエスチョン

• RQ1 現在位置および推定ゴールからの双方向デコードが、長期的軌道予測精度にどのように寄与するか？
• RQ2 非パラメトリック（正規分布）とパラメトリック（GMM）の潜在変数分布の選択が、予測された軌道分布の多様性と品質に与える影響は何か？
• RQ3 損失関数の選択（BoM vs. NLL）が、マルチモーダルな軌道予測の分布の広がりと現実性に与える影響は何か？
• RQ4 提案手法は、第一人称視点と鳥瞰図視点の異なるセンサモダリティのデータセットにも一般化可能か？
• RQ5 予測された軌道分布は、シミュレーションにおける衝突検出およびロボットナビゲーション効率にどのように影響を与えるか？

主な発見

• 複数のデータセットにおいて、ADE/FDEが10–50%改善され、特に2秒以上の長時間予測において顕著な向上を示した。
• 双方向デコーダは、単方向ベースラインと比較してADE/FDEを10–28%低減し、誤差蓄積の低減効果を実証した。
• BiTraP-GMMはよりコンパクトでNLLが低い軌道分布を生成するが、BiTraP-NPはより多様で広がりのある予測を生成し、潜在変数の選択が分布形状に与える影響を裏付けた。
• 双方向損失はADE/FDEを5–18%改善し、ANLL/FNLLを約0.25改善した。これにより、同時最適化が予測品質を向上させることを示した。
• ETH-UCYデータセットでは、1.2秒以降にBiTraP-GMMがTrajectron++を上回り、後向きデコードの長期的予測への利点を確認した。
• ロボットナビゲーションのシミュレーションでは、BiTraP-NPは多様な予測により衝突感度が向上したが、BiTraP-GMMは誤検出を低減した。安全性と効率性のトレードオフが明らかになった。