[論文レビュー] Multimodal Trajectory Prediction Conditioned on Lane-Graph Traversals

Nachiket Deo, Eric M. Wolff+1 more|arXiv (Cornell University)|Jun 28, 2021

Autonomous Vehicle Technology and Safety参考文献 28被引用数 16

ひとこと要約

本稿では、離散的ポリシーと潜在変数を用いて学習されたレーングラフの走行経路に条件付けた、新たなマルチモーダルトラジェクトリ予測モデルを提案する。このモデルは、走行経路に基づいてシーンの文脈を選択的に集約し、運動プロファイルをモデル化するための潜在変数を用いることで、nuScenesで最先端の性能を達成し、ルート予測および運動プロファイル予測の両方で高いシーン適合性と多様性を実現した。

ABSTRACT

Accurately predicting the future motion of surrounding vehicles requires reasoning about the inherent uncertainty in driving behavior. This uncertainty can be loosely decoupled into lateral (e.g., keeping lane, turning) and longitudinal (e.g., accelerating, braking). We present a novel method that combines learned discrete policy rollouts with a focused decoder on subsets of the lane graph. The policy rollouts explore different goals given current observations, ensuring that the model captures lateral variability. Longitudinal variability is captured by our latent variable model decoder that is conditioned on various subsets of the lane graph. Our model achieves state-of-the-art performance on the nuScenes motion prediction dataset, and qualitatively demonstrates excellent scene compliance. Detailed ablations highlight the importance of the policy rollouts and the decoder architecture.

研究の動機と目的

• 自動運転における不確実性下でのマルチモーダルトラジェクトリ予測の課題に対処すること。
• 構造的なHDマップ情報を利用することで、シーン適合性を向上させ、道路外への予測を低減すること。
• 分離された形で横方向のばらつき（ルート選択）と縦方向のばらつき（速度／加速度）を明示的にモデル化すること。
• レーングラフ走行経路からの選択的文脈を条件付けによって予測に組み込むことで、デコーダーの表現的負担を軽減すること。
• 解釈可能性とシーン適合性を維持したまま、nuScenesベンチマークで最先端の性能を達成すること。

提案手法

• モデルはグラフニューラルネットワークを用いて、高精度（HD）マップとエージェントの軌道を構造的なレーングラフ表現にエンコードする。
• 離散的行動クラッシングポリシーが、レーングラフ上での確率的ロールアウトを生成し、予測の条件付けとなる妥当な将来の走行経路をサンプリングする。
• 各予測は、サンプリングされた走行経路に対応するレーングラフの部分集合に条件付けられるため、デコーダーが関連する文脈を推論する必要が軽減される。
• 走行経路に条件付けられた潜在変数がサンプリングされ、加速度や速度変化などの縦方向のばらつきをモデル化する。
• デコーダーは走行経路と潜在変数を組み合わせることで、多様でシーン適合性のあるトラジェクトリを生成し、ルートと運動プロファイルの両方の多様性を保証する。
• 回帰と尤度の目的関数を組み合わせたマルチタスク損失を用いて訓練することで、精度と多様性の両方を最適化する。

実験結果

リサーチクエスチョン

• RQ1 学習されたレーングラフ走行経路に条件付けたトラジェクトリ予測は、ルートの多様性とシーン適合性を向上させることができるか？
• RQ2 縦方向の運動プロファイルに潜在変数を導入することで、速度と加速度のパターンの多様性が向上するか？
• RQ3 走行経路に基づく文脈選択と潜在変数モデリングの組み合わせは、エンドツーエンドの文脈エンコードと比較して、予測品質と道路外率の点で優れているか？
• RQ4 近接エッジ、エージェントノードアテンション、GNN層の寄与度はどの程度高い性能に寄与しているか？
• RQ5 モデルは、解釈可能性とロバスト性を維持したまま、nuScenesデータセットで最先端の性能を達成できるか？

主な発見

• 提案手法は、nuScenesデータセットで最先端の性能を達成し、MinADEが1.31 m、MissRateが0.37を達成した。
• ベースラインと比較して、道路外率が顕著に低減された。特に「Traversals + LV」デコーダーは、あらゆるアブレーションの中で最低の道路外率を記録した。
• 「Traversals + LV」デコーダーは、平均して1.41の異なる最終レーン（K=10）を達成し、横方向の多様性が最も高く、速度と加速度の分散における縦方向の多様性も向上した。
• アブレーションスタディの結果、走行経路と潜在変数の両方が不可欠であることが示された。両者を削除すると、性能の著しい低下と多様性の低下が生じた。
• 走行経路のみに条件付けたデコーダーはルートの多様性を捉えられるが、運動プロファイルの変動が不足している。一方、潜在変数のみのデコーダーは運動の多様性を捉えられるが、複数のルートを探索できない。
• モデルは、複雑な交差点やルート制限のある環境など多様なシナリオにおいて、定性的にシーン適合性のあるトラジェクトリを生成でき、予測予算を縦方向の多様性を高めるために効果的に活用した。