[論文レビュー] GraphTCN: Spatio-Temporal Interaction Modeling for Human Trajectory Prediction

Chengxin Wang, Shaofeng Cai+1 more|arXiv (Cornell University)|Mar 16, 2020

Autonomous Vehicle Technology and Safety参考文献 56被引用数 4

ひとこと要約

GraphTCN は、空間的相互作用にエッジ特徴に基づくグラフアテンションネットワーク（EFGAT）を用い、時間的ダイナミクスにゲート付き時系列畳み込みネットワーク（TCN）を適用する、新規な CNN に基づく空間時系列グラフネットワークを提案する。19.4%低い平均変位誤差と、先行手法と比較して5.22倍速い推論速度を達成し、予測パス数を5倍削減する。

ABSTRACT

Predicting the future paths of an agent's neighbors accurately and in a timely manner is central to the autonomous applications for collision avoidance. Conventional approaches, e.g., LSTM-based models, take considerable computational costs in the prediction, especially for the long sequence prediction. To support more efficient and accurate trajectory predictions, we propose a novel CNN-based spatial-temporal graph framework GraphTCN, which models the spatial interactions as social graphs and captures the spatio-temporal interactions with a modified temporal convolutional network. In contrast to conventional models, both the spatial and temporal modeling of our model are computed within each local time window. Therefore, it can be executed in parallel for much higher efficiency, and meanwhile with accuracy comparable to best-performing approaches. Experimental results confirm that our model achieves better performance in terms of both efficiency and accuracy as compared with state-of-the-art models on various trajectory prediction benchmark datasets.

研究の動機と目的

• リアルタイムの自律応用における RNN に基づく軌道予測モデルの高い計算コストと遅い推論を解決すること。
• エージェント間の非対称的影響と相対的な空間的ダイナミクスを組み込むことで、社会的相互作用のモデリングを向上させること。
• 並列推論を可能にしつつ高い精度を維持する完全なフィードフォワードアーキテクチャの開発。
• ベンチマークデータセット上で最先端手法と比較して予測誤差と推論時間を低減すること。

提案手法

• ノードがエージェントを表すグラフ構造を用い、エッジはエッジ特徴を用いて相対的な空間的関係を符号化する。
• 相対的な動きの傾向と近接性に基づいて、適応的アテンション重みを学習するエッジ特徴ベースのグラフアテンションネットワーク（EFGAT）を導入する。
• 長距離の時系列ダイナミクスを効率的に捉えるために、ハイウェイ接続を備えたゲート付き TCN（時系列畳み込みネットワーク）を時間的モデリングに採用する。
• 局所的な時間ウィンドウ内で空間的および時間的相互作用を処理することで、並列計算と高い推論速度を実現する。
• EFGAT および TCN におけるスキップ接続とゲートメカニズムにより、学習の安定化と勾配の流れの改善が図られる。
• エンドツーエンドで学習可能なフレームワークであり、リソース制限のあるデバイスへのリアルタイムデプロイメントを想定して設計されている。

実験結果

リサーチクエスチョン

• RQ1 完全なフィードフォワードアーキテクチャは、推論速度を著しく向上させつつ、RNN に基づくモデルを上回る軌道予測精度を達成できるか？
• RQ2 相対的な空間的ダイナミクス（例：方向、速度）をグラフアテンション機構におけるエッジ特徴として効果的にモデリングできるか？
• RQ3 相互作用するエージェント間で非対称アテンションを適用することで、複雑な群衆シナリオにおける予測品質が向上するか？
• RQ4 局所的なウィンドウベースの空間時系列処理は、精度を維持しつつ並列推論を可能にするか？

主な発見

• GraphTCN は、ベンチマークデータセット上で最先端手法と比較して、平均変位誤差を 19.4%、最終変位誤差を 13.6% 減少させた。
• 既存のソリューションと比較して、最大 5.22倍のウォールクロックタイム高速化を達成し、低リソースデバイス上でのリアルタイムデプロイメントを可能にした。
• 予測パス数をたった 5 つに制限しても、20 パスを生成するモデルを上回る性能を示し、高いサンプル効率を示した。
• 可視化結果から、特に歩行者同士の合流や逆方向移動といった複雑なシナリオにおいて、より正確で衝突のない、社会的に整合性のある軌道を生成することが確認された。
• EFGAT は、対向するまたは高速移動するエージェントからの影響が強いといった、現実の相互作用ダイナミクスを反映した非対称アテンション重みを学習した。
• 突然の方向転換などの予期しない行動を含め、多様で現実的な未来のパスを効果的に予測できた。