[論文レビュー] Learning Lane Graph Representations for Motion Forecasting

Ming Liang, Bin Yang+5 more|arXiv (Cornell University)|Jul 27, 2020

Autonomous Vehicle Technology and Safety参考文献 31被引用数 37

ひとこと要約

本論文は LaneGCN というレーングラフベースのモデルと actor-map 融合を導入し、構造化されたマップ表現を学習し、アクターとHDマップ間の相互作用をモデル化することで Argoverse における最先端を超える多モード運動予測を実現する。

ABSTRACT

We propose a motion forecasting model that exploits a novel structured map representation as well as actor-map interactions. Instead of encoding vectorized maps as raster images, we construct a lane graph from raw map data to explicitly preserve the map structure. To capture the complex topology and long range dependencies of the lane graph, we propose LaneGCN which extends graph convolutions with multiple adjacency matrices and along-lane dilation. To capture the complex interactions between actors and maps, we exploit a fusion network consisting of four types of interactions, actor-to-lane, lane-to-lane, lane-to-actor and actor-to-actor. Powered by LaneGCN and actor-map interactions, our model is able to predict accurate and realistic multi-modal trajectories. Our approach significantly outperforms the state-of-the-art on the large scale Argoverse motion forecasting benchmark.

研究の動機と目的

• 高精度な運動予測のために HD マップのトポロジーを活用する動機づけ
• LaneGCN によって学習されるレーン・グラフ表現を提案し、複雑なレーンのトポロジーを捉える
• フォージュネットワークを介して交通アクターとレーン・グラフ間の包括的な相互作用をモデル化する
• エンドツーエンドの学習可能性と、ラスターベース手法に対する Argoverse での優れた性能を示す

提案手法

• ラスタ化せずにベクトル化された HD マップデータからレーン・グラフを構築し、マップのトポロジーを保持する
• 前任者/ successor の多タイプ隣接と拡張を用いた LaneConv を開発し、長距離のレーン依存性を捉える
• アクターとレーンをノードとして表現し、アクター特徴を1D CNN（ActorNet）で抽出し、レーン特徴を LaneGCN（MapNet）で抽出する
• 空間注意機構と LaneGCN の L2L を用いて、4つの相互作用タイプ（actor-to-lane、lane-to-lane、lane-to-actor、actor-to-actor）を通じて Actor と Lane の特徴を FusionNetで融合する
• 軌跡の回帰とモード信頼度の分類を行う2つのブランチ予測ヘッダにより、多モードの将来軌跡を予測する
• モダリティランク付けのマックスマージン項を含む、分類と回帰の結合損失でエンドツーエンドに学習する

実験結果

リサーチクエスチョン

• RQ1 レーン・グラフベースの表現は、ラスタ化されたマップと比較して運動予測のためのマップのトポロジーをより効果的に捉えるか？
• RQ2 LaneConv と LaneGCN はレーンのトポロジーにおける長距離依存性を効果的にモデル化できるか？
• RQ3 アクター-マップの相互作用（A2L、L2L、L2A、A2A）は、アクターのみ・マップのみのベースラインより予測精度を向上させるか？
• RQ4 マップ/アクター融合とレーン・グラフ演算子のアブレーションが予測性能に与える影響はどの程度か？

主な発見

モデル	minADE (K=1)	minFDE (K=1)	MR (K=1)	minADE (K=6)	minFDE (K=6)	MR (K=6)
Argoverse Baseline	2.96	6.81	0.81	2.34	5.44	0.69
Argoverse Baseline (NN)	3.45	7.88	0.87	1.71	3.29	0.54
Holmes (7th)	2.91	6.54	0.82	1.38	2.66	0.42
cxx (3rd)	1.91	4.31	0.66	0.99	1.71	0.19
uulm-mrm (2nd)	1.90	4.19	0.63	0.94	1.55	0.22
Jean (1st)	1.86	4.18	0.63	0.93	1.49	0.19
Our Model	1.71	3.78	0.59	0.87	1.36	0.16

• K=1 および K=6 の両方で、minADE、minFDE、MR のすべてで Argoverse の最先端を大幅に上回る
• 多タイプと拡張 LaneConv を備えた LaneGCN は、標準の GCN よりレーンのトポロジーをより良く捉える
• A2L、L2L、L2A、A2A の相互作用を組み込むと性能が顕著に向上し、マップ情報を取り入れたフローがアクター間の相互作用を高める
• アブレーション研究は、各コンポーネント（LaneConv、残差ブロック、拡張、融合ブロック）が性能向上に寄与することを示している
• 質的結果は、履歴欠如、左/右 turns、急な maneuvers といった難しいケースの処理改善を示す