[論文レビュー] LaPred: Lane-Aware Prediction of Multi-Modal Future Trajectories of Dynamic Agents

ByeoungDo Kim, Seong Hyeon Park+6 more|arXiv (Cornell University)|Apr 1, 2021

Autonomous Vehicle Technology and Safety参考文献 34被引用数 9

ひとこと要約

LaPred は、インスタンスレベルのレーン特徴とアテンションベースの融合を活用して、多様でレーン準拠の未来の軌道を生成するレーン認識型のディーブラーニングモデルである。エージェントとレーンの間の相互作用を明示的にモデル化することで、自己教師付きレーンアテンション学習を経て、nuScenes および Argoverse ベンチマークで最先端の性能を達成し、多様な、文脈的に妥当な未来の軌道を予測する。

ABSTRACT

In this paper, we address the problem of predicting the future motion of a dynamic agent (called a target agent) given its current and past states as well as the information on its environment. It is paramount to develop a prediction model that can exploit the contextual information in both static and dynamic environments surrounding the target agent and generate diverse trajectory samples that are meaningful in a traffic context. We propose a novel prediction model, referred to as the lane-aware prediction (LaPred) network, which uses the instance-level lane entities extracted from a semantic map to predict the multi-modal future trajectories. For each lane candidate found in the neighborhood of the target agent, LaPred extracts the joint features relating the lane and the trajectories of the neighboring agents. Then, the features for all lane candidates are fused with the attention weights learned through a self-supervised learning task that identifies the lane candidate likely to be followed by the target agent. Using the instance-level lane information, LaPred can produce the trajectories compliant with the surroundings better than 2D raster image-based methods and generate the diverse future trajectories given multiple lane candidates. The experiments conducted on the public nuScenes dataset and Argoverse dataset demonstrate that the proposed LaPred method significantly outperforms the existing prediction models, achieving state-of-the-art performance in the benchmarks.

研究の動機と目的

• 複雑な交通環境における動的エージェントの多様で文脈的に妥当な未来の軌道を予測する課題に対処すること。
• セマンティックマップからのインスタンスレベルのレーン情報を取り入れることで、軌道予測の精度を向上させること。
• レーン制約と交通ルールを尊重する多モードの軌道を生成すること。
• ランダムノイズに依存するモード選択を減らし、解釈可能なレーンベースのアテンション機構を導入すること。
• 自己教師付きレーンアテンションヘッドを用いて、モデルの解釈性と性能を向上させること。

提案手法

• LaPred は、ターゲットエージェント、周辺エージェント、特定のレーンインスタンスの間の空間的・時間的関係をエンコードする、レーンごとのジョイント特徴を構築する。
• 自己教師付き学習タスクを用いて、ターゲットエージェントが進む可能性の高いレーンを予測する補助ネットワークを訓練し、特徴融合用のアテンション重みを生成する。
• アテンションメカニズムは、ターゲットエージェントの意図された経路に最も関連するレーンを優先して、複数のレーン候補からの特徴を融合する。
• エンコーダ・デコーダアーキテクチャを採用しており、エンコーダは過去の軌道とレーン特徴を処理し、デコーダは多様な未来の軌道予測を生成する。
• 2Dラスタライズドマップではなくインスタンスレベルのレーンを使用することで、曲がりやレーン変更などのレーン制約付き行動の一般化が向上する。
• アテンションベースのソフト選択により、複数の妥当なルートを同時に考慮でき、予測の多様性と現実性が向上する。

実験結果

リサーチクエスチョン

• RQ1 インスタンスレベルのレーン情報は、複雑な交通シナリオにおける多様で現実的な軌道予測の精度と現実性を顕著に向上させるか？
• RQ2 レーンごとの特徴のアテンションベースの統合は、ラスタライズドまたはグローバル特徴表現と比較して、エージェント-レーン相互作用をどのようにモデル化するか？
• RQ3 自己教師付きレーンアテンション学習は、予測性能とモデルの解釈性をどの程度向上させるか？
• RQ4 提案手法は、明示的なレーン監視なしのベースラインモデルと比較して、より多様で文脈的に妥当な軌道モードを生成するか？
• RQ5 モデルは多様な都市ドライブシナリオに一般化可能であり、高い正確性と道路構造への準拠を維持できるか？

主な発見

• LaPred は nuScenes 検証セットで最先端の性能を達成し、複数の軌道サンプリング設定において ADE および FDE などのほとんどの指標で既存手法を上回っている。
• Argoverse データセットでは、ADE₅、FDE₅、ADE₆、FDE₆、ADE₁₂ で顕著な性能向上を示し、異なるシナリオにわたる強力な一般化能力を示している。
• K=5 および K=6 の軌道サンプルにおいて特に改善が見られ、多様な分布モデリングに向けたレーン情報の最適な活用が示されている。
• LaPred は、レーン構造を厳密に遵守する軌道予測を生成するが、ベースラインモデルはしばしばレーンに準拠しない軌道を生成する。
• 自己教師付きレーンアテンションヘッドにより、ターゲットエージェントが最も妥当なレーンを高精度で特定でき、軌道品質と解釈性の両方を向上させた。
• ハードレーン選択を用いる MTPLA と比較して、LaPred のソフトアテンションメカニズムは ADE₆ および FDE₆ でより優れた性能を示しており、複数のレーン候補を考慮する利点が裏付けられた。