[論文レビュー] Integrating Planning and Interpretable Goal Recognition for Autonomous Driving.

Stefano V. Albrecht, Cillian Brewitt+4 more|arXiv (Cornell University)|Feb 6, 2020

Autonomous Vehicle Technology and Safety参考文献 26被引用数 4

ひとこと要約

本稿では、自律走行車両の計画立案と解釈可能な目的認識を統合したシステムを提案する。このシステムは、他の車両の目的を推定するための合理的逆計画法と、エゴ車両の近似的に最適で説明可能な行動を生成するためのモンテカルロ木探索（MCTS）を用いる。共通の定義済み行動セットを共有することにより、計画の合理性を保証し、都市部走行シナリオにおける予測と意思決定の直感的な説明を提供する。

ABSTRACT

The ability to predict the intentions and driving trajectories of other vehicles is a key problem for autonomous driving. We propose an integrated planning and prediction system which leverages the computational benefit of using a finite space of maneuvers, and extend the approach to planning and prediction of sequences (plans) of maneuvers via rational inverse planning to recognise the goals of other vehicles. Goal recognition informs a Monte Carlo Tree Search (MCTS) algorithm to plan optimal maneuvers for the ego vehicle. Inverse planning and MCTS utilise a shared set of defined maneuvers to construct plans which are explainable by means of rationality, i.e. plans are optimal in given metrics. Evaluation in simulations of four urban driving scenarios demonstrate the system's ability to robustly recognise the goals of other vehicles while generating near-optimal plans. In each scenario we extract intuitive explanations for the recognised goals and maneuver predictions which justify the system's decisions.

研究の動機と目的

• 自律走行車両における他の車両の意図と軌道予測を、計画と目的認識を統合することで向上させること。
• 周囲のエージェントの推定目的に基づいて、エゴ車両の説明可能で合理的な行動を生成する課題に対処すること。
• 計画と予測の両方で共通の行動空間を用いることで、複雑な都市部走行シナリオにおける堅牢な目的認識を可能にすること。
• 逆計画法を用いて、行動予測とエゴ車両の意思決定の両方について、直感的で合理的な説明を提供すること。
• シミュレーションにおいて、近似的に最適な計画を生成しつつ解釈可能性を維持するという点で、システムの性能を評価すること。

提案手法

• 計画と予測の両方の基盤として、有限の事前定義済み行動セットを用いることで、一貫性と解釈可能性を実現する。
• 他の車両の目的を推定するために、合理的逆計画法を採用し、観察された行動が最適となるような最も可能性の高い目的を特定する。
• 目的認識の結果をモンテカルロ木探索（MCTS）フレームワークに統合し、エゴ車両の最適行動を計画する。
• 定義された指標に基づく最適化により、すべての計画が合理的であることを保証し、最適性に基づいた説明可能性を実現する。
• 行動のシーケンスとして計画を構築することで、単一の行動ではなく、複雑な行動シーケンスの予測が可能になる。
• 逆計画法とMCTSの間で共通の表現を用いることで、一貫性を維持し、計算コストの増加を抑える。

実験結果

リサーチクエスチョン

• RQ1 合理的逆計画法は、多様な都市部走行シナリオにおいて他の車両の目的を効果的に認識できるか？
• RQ2 目的認識を用いることで、他の車両の行動シーケンスをどの程度正確に予測できるか？
• RQ3 目的認識とMCTSを統合することで、エゴ車両の計画の最適性と説明可能性がどの程度向上するか？
• RQ4 このシステムは、複雑な交通環境において、直感的で合理的な説明を予測と意思決定の両方に対して生成できるか？
• RQ5 このシステムは、複数のシミュレーテッド都市部走行シナリオにわたって、性能を安定して維持できるか？

主な発見

• 本システムは、4つの異なる都市部走行シナリオにおいて、他の車両の目的を高い頑健性で認識できた。
• 他の車両の行動シーケンスの予測は、観察された行動と整合的であり、合理的な根拠に基づいている。
• MCTSを用いて認識された目的を活用することで、エゴ車両はシミュレーションで検証された近似的に最適な計画を生成した。
• 本システムは、目的認識と行動計画意思決定の両方について、直感的で人間が読める説明を生成した。
• 共通の行動空間を用いた逆計画法とMCTSの統合により、計画品質を損なうことなく解釈可能性が向上した。
• 本手法は、多様な都市部シナリオで優れた性能を示し、一般化の可能性を示した。