[論文レビュー] MPA: MultiPath++ Based Architecture for Motion Prediction

Stepan Konev|arXiv (Cornell University)|Jun 20, 2022

Autonomous Vehicle Technology and Safety被引用数 6

ひとこと要約

本論文は、マルチデコーダーとアテンション機構、マルチコンテキストゲーティングを用いたMultiPath++に基づくアーキテクチャ、MPAを提示する。この手法は、自律走行におけるトラジェクトリ予測を向上させ、Waymo Motion Prediction Challenge 2022で3位を達成し、テストセットにおいて0.3930のSoft mAPを達成した。従来のCNNベースの手法を上回った。

ABSTRACT

Autonomous driving technology is developing rapidly and nowadays first autonomous rides are being provided in city areas. This requires the highest standards for the safety and reliability of the technology. Motion prediction part of the general self-driving pipeline plays a crucial role in providing these qualities. In this work we present one of the solutions for Waymo Motion Prediction Challenge 2022 based on MultiPath++ ranked the 3rd as of May, 26 2022. Our source code is publicly available on GitHub.

研究の動機と目的

• 複雑で不確実なエージェント行動を捉えるために、MultiPath++フレームワークの性能を向上させ、自律走行における運動予測の精度を向上させること。
• 特に自転車乗りなどのレアなエージェントクラスにおける過学習を解消するために、ターゲットとなるデータ拡張技術を適用すること。
• 標準的な損失関数が直接最適化しないSoft mAP指標を、後処理を用いて最適化すること。
• 複数のデコーダーとアテンション、マルチコンテキストゲーティングが、マルチモーダルなトラジェクトリ分布をモデル化する上で有効であるかを評価すること。
• Waymo Open Motion Datasetベンチマークで最先端の性能を達成すること。

提案手法

• ターゲットエージェントの位置と進行方向を正規化するための標準座標系を用い、対称性を低減し、一般化性能を向上させる。
• 入力特徴量には、過去および現在のタイムステップにおけるターゲットエージェントおよび周囲エージェントのx, y座標、進行方向、速度、有効性フラグが含まれる。
• 1つのデコーダーを用いる場合（6モード）または5つのデコーダーを用いる場合（各6モード）を採用し、その後にアテンション機構とマルチコンテキストゲーティング（MCG）を適用して30モードを6モードに圧縮する。
• 訓練中に15%の履歴エージェントタイムステップに対してマスキング拡張戦略を適用し、値を0に設定し、有効性フラグを無効化することで、過学習を低減する。
• 損失関数は、予測トラジェクトリ上の混合ガウス分布の負の対数尤度であり、学習可能な共分散行列を用いる。
• 後処理として、確率再重み付けを施した非最大抑制（NMS）を適用し、Soft mAPを向上させる。抑制されたトラジェクトリは、小さな定数確率を保ちながらも保持する。

実験結果

リサーチクエスチョン

• RQ1 複数のデコーダーとアテンション機構を備えたMultiPath++ベースのアーキテクチャは、Waymoデータセットにおける運動予測性能を向上させることができるか？
• RQ2 履歴エージェント状態のマスキングは、自転車乗りなどのレアなエージェントクラスにおいて過学習を低減するのに有効か？
• RQ3 マルチコンテキストゲーティングとアテンションの組み合わせは、マルチモーダルなトラジェクトリ予測の精緻化にどの程度効果的か？
• RQ4 損失関数が直接最適化しないにもかかわらず、非最大抑制による後処理はSoft mAP指標をどの程度向上させるか？
• RQ5 EMアルゴリズムを他のデコーディング戦略に置き換えることで、数値的安定性と性能が向上するか？

主な発見

• 本モデルは、Waymo Open Motion Datasetの全テストセットにおいて、0.3930のSoft mAPを達成し、Waymo Motion Prediction Challenge 2022で3位を獲得した。
• 車両のタスクでは、シングルデコーダー・モデルが最も高い性能を示し、Soft mAPは0.4467を記録した。
• 歩行者のタスクでは、シングルデコーダー・モデルがSoft mAP 0.3831を達成し、マルチデコーダー版を上回った。
• 自転車乗りのタスクでは、アテンションとMCGを備えたマルチデコーダー・モデルが、最も高いSoft mAP 0.3493を記録し、シングルデコーダー版を上回った。
• 3秒予測タスクでは、Soft mAPが0.4875と最高を記録した一方、8秒予測では0.2981と最低を記録した。
• マスキング拡張の導入により、特にマイナーなエージェントクラスにおける過学習が低減され、すべてのエージェントタイプにおいて一般化性能が向上した。