[論文レビュー] Exploring Dynamic Context for Multi-path Trajectory Prediction

Hao Cheng, Wentong Liao+4 more|arXiv (Cornell University)|Oct 30, 2020

Autonomous Vehicle Technology and Safety参考文献 49被引用数 4

ひとこと要約

本稿では、異種エージェント間の動的空間的相互作用を自己注意機構を用いてモデル化し、条件付き変分オートエンコーダー（CVAE）を用いて多様で文脈に適した未来の軌道を生成する、新しいマルチパス軌道予測フレームワークDCENetを提案する。TrajnetおよびinDベンチマークにおいて最先端の性能を達成し、複雑な交通状況における優れた汎化性能と精度を示している。

ABSTRACT

To accurately predict future positions of different agents in traffic scenarios is crucial for safely deploying intelligent autonomous systems in the real-world environment. However, it remains a challenge due to the behavior of a target agent being affected by other agents dynamically and there being more than one socially possible paths the agent could take. In this paper, we propose a novel framework, named Dynamic Context Encoder Network (DCENet). In our framework, first, the spatial context between agents is explored by using self-attention architectures. Then, the two-stream encoders are trained to learn temporal context between steps by taking the respective observed trajectories and the extracted dynamic spatial context as input. The spatial-temporal context is encoded into a latent space using a Conditional Variational Auto-Encoder (CVAE) module. Finally, a set of future trajectories for each agent is predicted conditioned on the learned spatial-temporal context by sampling from the latent space, repeatedly. DCENet is evaluated on one of the most popular challenging benchmarks for trajectory forecasting Trajnet and reports a new state-of-the-art performance. It also demonstrates superior performance evaluated on the benchmark inD for mixed traffic at intersections. A series of ablation studies is conducted to validate the effectiveness of each proposed module. Our code is available at https://github.com/wtliao/DCENet.

研究の動機と目的

• 実世界の交通状況における異種エージェント間の動的で変化する相互作用をモデル化することで、マルチパス軌道予測を向上させること。
• 決定論的予測の限界を克服し、社会的に妥当な未来の軌道の多様な集合を生成すること。
• 2ストリームエンコーダーとCVAEに基づく潜在空間表現を用いて、時空間的依存関係を強化すること。
• 混合交通交差点や共有都市空間を含む多様な交通環境におけるフレームワークの有効性と汎化性能を検証すること。

提案手法

• 位置、向き、速度情報を動的マップとして時間経過に伴い符号化することで、自己注意機構を用いてエージェント間の動的空間的相互作用を動的に捉える。
• 観測された軌道と動的空間的文脈を別々に処理する、同一の2ストリームエンコーダーを採用し、時間ステップ間の時系列的依存関係を学習する。
• 時系列エンコーダーの出力に対してグローバル平均プーリングを適用し、シーケンスをコンactな潜在表現に要約する。
• エージェントの観測された軌道を条件として、条件付き変分オートエンコーダー（CVAE）を用いて空間的・時系列的文脈を潜在空間に符号化する。
• 学習された潜在空間からサンプリングすることで、複数の未来の軌道を生成し、多様で文脈に適った予測を可能にする。
• 再構成損失とKLダイバージェンス損失を用いて、エンド・トゥ・エンドで全フレームワークを訓練し、軌道生成の品質を最適化する。

実験結果

リサーチクエスチョン

• RQ1 異種エージェント間の動的空間的相互作用を効果的にモデル化することで、マルチパス軌道予測をどのように向上させられるか？
• RQ2 従来のRNNやLSTMベースの手法と比較して、軌道予測に自己注意を統合することで、性能がどの程度向上するか？
• RQ3 学習された空間的・時系列的文脈を条件としてCVAEベースの生成モジュールが、多様で高品質な未来の軌道仮説を生成できるか？
• RQ4 DCENetは、複雑な交差点や共有都市空間を含む多様な実世界の交通状況において、どのように汎化するか？
• RQ5 各モジュール（自己注意、2ストリームエンコーダー、CVAE）が全体の予測性能に果たす寄与度は何か？

主な発見

• DCENetはTrajnetベンチマークで最先端の性能を達成し、トップ1およびトップ10の軌道予測において、ADEおよびFDEの両指標で従来手法を上回った。
• inDベンチマークでは、4つの交差点すべてにおいてトップ10の予測においてADEおよびFDEの両指標で、比較対象モデルの中で最高の性能を示した。
• S-LSTM、S-GAN、AMENetと比較して、ほとんどの評価シナリオで性能を上回り、特に交差点における複雑な相互作用の予測で顕著な優位性を示した。
• アブレーションスタディの結果、自己注意モジュールおよび2ストリームエンコーダー設計が性能向上に顕著な寄与を示し、CVAEモジュールが多様な軌道の効果的生成を可能にしていることが確認された。
• モデルは未観測のシナリオ、例えば混合交通交差点や歩行者が多い都市部においても高い性能を維持し、強力な汎化性能を示した。
• 定性的な結果から、予測された軌道集合がエージェントの意図と不確実性を正確に反映しており、円環交差点や横断歩道のような複雑なシナリオでも、最も確率の高いパスが真値とよく一致していることが示された。