[論文レビュー] Drowned out by the noise: Evidence for Tracking-free Motion Prediction.

Ameni Trabelsi, J. Ross Beveridge+1 more|arXiv (Cornell University)|Apr 16, 2021

Autonomous Vehicle Technology and Safety参考文献 30被引用数 4

ひとこと要約

この論文は、自動運転の運動予測におけるトラッキングシステムへの依存を疑問視し、わずか1%のトラッキング誤差ですら予測性能を劣化させることを示している。ノイズの多い現実世界の条件下でも、トラッキングに依存しない運動予測モデルが優れていることを実証し、予測パイプラインからトラッキングモジュールを排除することで耐障害性を向上させることを提唱する。

ABSTRACT

Autonomous driving consists of a multitude of interacting modules, where each module must contend with errors from the others. Typically, the motion prediction module depends on a robust tracking system to capture each agent's past movement. In this work, we systematically explore the importance of the tracking module for the motion prediction task and ultimately conclude that the tracking module is detrimental to overall motion prediction performance when the module is imperfect (with as low as 1% error). We explicitly compare models that use tracking information to models that do not across multiple scenarios and conditions. We find that the tracking information only improves performance in noise-free conditions. A noise-free tracker is unlikely to remain noise-free in real-world scenarios, and the inevitable noise will subsequently negatively affect performance. We thus argue future work should be mindful of noise when developing and testing motion/tracking modules, or that they should do away with the tracking component entirely.

研究の動機と目的

• 自動運転における不完全なトラッキングシステムが運動予測性能に与える影響を調査すること。
• ノイズ条件を変えて、トラッキングに依存するモデルと依存しないモデルを比較すること。
• 現実世界の展開において、トラッキング情報の利点がノイズに起因する誤差に上回られるかどうかを特定すること。
• 予測パイプラインからトラッキングモジュールを排除することで耐障害性を向上させることを主張すること。

提案手法

• 複数の現実世界のドライブシナリオにおいて、トラッキング入力を有するモデルとないモデルを体系的に比較する。
• トラッキングデータに1%の誤差を含む制御されたノイズレベルを設定し、モデルを訓練および評価する。
• 生のセンサ入力から直接将来の軌道を予測するエンドツーエンドの運動予測アーキテクチャを用い、明示的なトラッキングを回避する。
• クリーンな状態とノイズのある状態の両方で、標準的な運動予測指標（例：ADE、FDE）を用いて性能を評価する。
• アブレーションスタディを実施し、トラッキングノイズが予測精度に与える影響を分離して分析する。

実験結果

リサーチクエスチョン

• RQ1 1%のトラッキング誤差ですら、運動予測性能にどのような影響を及えるのか？
• RQ2 トラッキング情報が運動予測を向上させるか、劣化させるかの条件は何か？
• RQ3 現実的でノイズの多い環境下でも、トラッキング非依存の運動予測モデルはトラッカー依存モデルを上回るのか？
• RQ4 現実世界の自動運転システムでは、ノイズのないトラッカーの仮定は妥当なのか？

主な発見

• トラッキング情報は、ノイズのない条件下でのみ運動予測性能を向上させる。これは現実世界の展開では現実的ではない。
• わずか1%のトラッキング誤差ですら、運動予測性能を顕著に劣化させ、トラッキングの利点を相殺する。
• トラッキングノイズが存在する状況では、トラッキング非依存の運動予測モデルが一貫してトラッカー依存モデルを上回る。
• トラッキングシステムのノイズは、誤差の伝搬を引き起こし、その後続の運動予測に悪影響を及ぼす。
• 本研究は、耐障害性と信頼性を向上させるために、予測パイプラインからトラッキングモジュールを排除すべきだと結論づける。