[論文レビュー] Lane Attention: Predicting Vehicles' Moving Trajectories by Learning Their Attention over Lanes

Jiacheng Pan, Hongyi Sun+5 more|arXiv (Cornell University)|Sep 29, 2019

Autonomous Vehicle Technology and Safety参考文献 38被引用数 4

ひとこと要約

本稿では、空間的・時間的グラフとLSTMベースの時間的符号化を用いて、非ユークリッド的である路線構造に対するアテンションを学習することで、車両軌道予測を実現するグラフニューラルネットワーク「Lane-Attention」を提案する。本手法は、特に長期予測（3秒後のFDE誤差2.13m、LSTMと比較して1.5倍低い）において最先端のモデルを上回り、ドライバーの意図を反映する解釈可能なアテンションスコアを提供する。これにより、高精度地図を搭載するシステムおよびビジュアルオンリーシステムの両方への導入が可能となる。

ABSTRACT

Accurately forecasting the future movements of surrounding vehicles is essential for safe and efficient operations of autonomous driving cars. This task is difficult because a vehicle's moving trajectory is greatly determined by its driver's intention, which is often hard to estimate. By leveraging attention mechanisms along with long short-term memory (LSTM) networks, this work learns the relation between a driver's intention and the vehicle's changing positions relative to road infrastructures, and uses it to guide the prediction. Different from other state-of-the-art solutions, our work treats the on-road lanes as non-Euclidean structures, unfolds the vehicle's moving history to form a spatio-temporal graph, and uses methods from Graph Neural Networks to solve the problem. Not only is our approach a pioneering attempt in using non-Euclidean methods to process static environmental features around a predicted object, our model also outperforms other state-of-the-art models in several metrics. The practicability and interpretability analysis of the model shows great potential for large-scale deployment in various autonomous driving systems in addition to our own.

研究の動機と目的

• 既存の手法がしばしば無視している静的インフラ、特に路線構造の影響をモデル化することで、車両軌道予測の精度を向上させること。
• 道路の路線をユークリッド的データ（例：グリッドや地図）として扱うという制限を克服し、分岐や曲線形状を含む複雑で非一様なトポロジーを正しく捉えること。
• ドライバーの意図を路線上でのアテンションメカニズムによって暗黙的に学習し、より正確で解釈可能な長期予測を実現すること。
• 詳細な地図データを必要とせず、高精度地図搭載型および低コストのビジュアルオンリーシステムの両方で導入可能なモデルを設計すること。
• 人間のドライバー行動に類似した、関連する路線に注目する様子を可視化したアテンションスコアにより、解釈可能性を提供すること。

提案手法

• ノードが路線を表し、エッジが路線間の空間的近接性および方向の一貫性を表す、空間的・時間的グラフを構築する。
• 車両の運動履歴は、位置と速度の時間的変化をモデル化するため、長短期記憶（LSTM）ネットワークを用いて符号化する。
• グラフアテンションネットワーク（GAT）による空間的メッセージパッシングにより、路線特徴をアグリゲートし、アテンション重みは車両-路線関係に基づき動的に学習される。
• モデルは、路線変更や合流の際、関係のない路線からドライバーの意図した経路に合わせた路線へとアテンションをシフトするよう学習する。
• アテンションスコアを可視化することで、モデルの意思決定を解釈可能にし、カーブでの縁側路線への注目や、路線変更時のターゲット路線への注目といった人間のドライビング行動と一致する様子を示す。
• フレームワークは地図タイプに依存せず、最小限の入力（路線中心線と車両軌道）で動作し、道路境界や交差点タイプなどの詳細な地図特徴を必要としない。

実験結果

リサーチクエスチョン

• RQ1 非ユークリッド的グラフとして静的インフラ（特に路線構造）を表現することで、ユークリッド的表現と比較して車両軌道予測の精度が向上するか？
• RQ2 路線上でのアテンションメカニズムがドライバーの意図を効果的に捉え、長期予測の精度向上に寄与するか？
• RQ3 本モデルは、高精度地図を搭載しないシステムを含め、さまざまな自動運転システムに一般化可能か？
• RQ4 学習されたアテンションスコアは、モデルの意思決定プロセスに対する解釈可能なインサイトを提供できるか？
• RQ5 初期の信号が限られている状況下、例えば路線変更や合流といった困難な状況でも、本モデルは良好に性能を発揮するか？

主な発見

• Lane-Attentionモデルは、1秒後の平均位置誤差（ADE）が0.3979メートル、3秒後の誤差が2.1299メートルに達し、特に長期予測においてLSTMなどのベースラインモデルを顕著に上回る。
• 3秒後のFDE（最終位置誤差）は2.13メートルであり、LSTMベースラインと比較して1.5倍低い。これは、長期予測能力に優れていることを示している。
• 詳細なHDマップデータを必要とせず、車両軌道と路線中心線のみで入力する最小限の情報でも高い性能を維持しており、低コストのビジュアルベースシステムに適している。
• 可視化されたアテンションスコアは、モデルが関係のない路線から意図した経路（例：路線変更時のターゲット路線、カーブでの縁側路線）へと注目をシフトするのを学習していることを示しており、人間の行動とよく一致する。
• ノイズの多いセンサデータに対しても高いロバスト性を示し、縦方向位置の測定値が不正確であっても、路線変更を正しく予測できる。
• 操作がまだ信号化されていない状況では誤差が生じるが、わずかな信号が現れ次第、モデルは素早く適応する。これは、初期の兆候から意図を効果的に学習できていることを示している。