[論文レビュー] M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction

Qiao Sun, Xin Huang+3 more|arXiv (Cornell University)|Feb 24, 2022

Autonomous Vehicle Technology and Safety被引用数 4

ひとこと要約

M2I は、影響力を持つエージェントと反応するエージェントのペアを特定することで、マルチエージェントの軌跡予測を周囲いの予測と条件付き予測に分解する画期的なフレームワークを提案する。これにより、シーンに適合する相互作用を反映した運動予測が可能となり、Waymo Open Motion Dataset において、minFDE や mAP などの主要指標で、周囲の予測と結合予測のベースラインを上回る最先端の性能を達成した。エージェント相互作用の因子分解モデルを活用することで実現した。

ABSTRACT

Predicting future motions of road participants is an important task for driving autonomously in urban scenes. Existing models excel at predicting marginal trajectories for single agents, yet it remains an open question to jointly predict scene compliant trajectories over multiple agents. The challenge is due to exponentially increasing prediction space as a function of the number of agents. In this work, we exploit the underlying relations between interacting agents and decouple the joint prediction problem into marginal prediction problems. Our proposed approach M2I first classifies interacting agents as pairs of influencers and reactors, and then leverages a marginal prediction model and a conditional prediction model to predict trajectories for the influencers and reactors, respectively. The predictions from interacting agents are combined and selected according to their joint likelihoods. Experiments show that our simple but effective approach achieves state-of-the-art performance on the Waymo Open Motion Dataset interactive prediction benchmark.

研究の動機と目的

• 衝突を回避し、現実的な相互作用を反映するシーンに適合するマルチエージェント軌跡予測を生成する課題に対処すること。
• 複数のエージェントにわたる結合予測の指数的増大する複雑さを、結合分布を周囲いと条件付き成分に分解することで克服すること。
• エンド・ツー・エンドの結合モデル化を必要とせずに、因果的エージェント役割（影響力を持つ者と反応する者）を特定することで、正確で相互作用のある予測を可能にすること。
• 文脈エンコーダーと軌跡ヘッドを分離することで、さまざまなバックボーン予測モデルに一般化可能なモジュラーなフレームワークを設計すること。
• 条件付き軌跡モデルによる相互作用に配慮した推論を組み込むことで、予測の正確性とシーン適合性を向上させること。

提案手法

• M2I は、ヒューリスティックに基づく関係分類器を用いて、相互作用するエージェントペアを影響力を持つ者（独立した行動を示す）と反応する者（反応的行動を示す）に分類する。
• 影響力を持つエージェントの将来の軌跡を生成するため、周囲い軌跡予測器を採用する。
• その後、各予測された影響力を持つエージェントの軌跡に条件づけた、反応するエージェントの軌跡を生成する条件付き軌跡予測器を用いる。
• 結合された軌跡サンプルは、結合尤度に基づいてスコア付けされ、最も高いスコアの組み合わせが最終予測として選択される。
• フレームワークはモジュラーであり、VectorNet や TNT などのさまざまな文脈エンコーダーと予測ヘッドとの統合を可能としている。
• 推論時に影響力を持つ者・反応する者の役割を推定する関係予測器を訓練することで、動的な相互作用モデリングを可能としている。

実験結果

リサーチクエスチョン

• RQ1 周囲いと条件付きモデリングに分離する因子分解予測アプローチが、シーンに適合するマルチエージェント軌跡予測を改善できるか？
• RQ2 影響力を持つ者・反応する者の役割を通じてエージェント相互作用をモデリングする方法が、結合予測や周囲い予測のベースラインと比較して、正確性と一貫性においてどのように異なるか？
• RQ3 M2I フレームワークが、さまざまなバックボーン予測モデルやデータセットにどれほど一般化できるか？
• RQ4 予測された影響力を持つエージェントの軌跡に基づいた条件付き予測を組み込むことで、より現実的で衝突のない結合軌跡が得られるか？
• RQ5 異なるエージェントタイプ（例：車両、歩行者、自転車）において、相互作用頻度の違いに応じて M2I の性能はどのように変化するか？

主な発見

• M2I は、Waymo Open Motion Dataset のインタラクティブ予測ベンチマークで最先端の性能を達成し、minFDE が 3.38、mAP が 0.14 であった。これは周囲いベースライン（minFDE: 3.43、mAP: 0.10）を上回った。
• OR（重複率）は周囲いベースラインの 0.42 から 0.20 に低下し、軌跡の衝突が著しく減少し、シーン適合性が向上したことが示された。
• 別のバックボーン（TNT + VectorNet）を用いた場合でも、M2I は一貫した改善を示し、特に mAP で +0.04、OR で -0.14 の向上を達成し、強力な一般化性能を示した。
• 真値の影響力を持つエージェントの軌跡を用いた条件付き予測器（M2I Conditional GT）は、周囲いベースラインを上回る性能を示し、条件付きモデリングの有効性を裏付けた。
• 車両では、豊富な相互作用データのおかげで性能向上が顕著であったが、歩行者や自転車では、トレーニング時の相互作用が疎らなため、改善は限定的であった。
• 定性的な結果では、M2I が譲り合いや反応行動を的確に捉えていることが示された。例えば、青色のエージェントがUターンを行うのを、赤色のエージェントが速度を落として譲る行動が正しく予測されており、周囲いモデルではこれを予測できなかった。