[論文レビュー] Naturalistic Driver Intention and Path Prediction using Recurrent Neural Networks

Alex Zyner, Stewart Worrall+1 more|arXiv (Cornell University)|Jul 26, 2018

Autonomous Vehicle Technology and Safety参考文献 25被引用数 7

ひとこと要約

本稿では、実世界のLiDARデータを用いて、信号のない都市部の交差点における、複数モードの運転手の意思決定と軌道を予測するための、混合密度ネットワーク出力層を備えた再帰的ニューラルネットワーク（RNN）を提案する。モデルは不確実な予測をランク付きの妥当なパスにクラスタリングし、5つの交差点で23,000台の車両を含む大規模な自然的データセットにおいて、ベースラインを上回る性能を発揮した。

ABSTRACT

Understanding the intentions of drivers at intersections is a critical component for autonomous vehicles. Urban intersections that do not have traffic signals are a common epicentre of highly variable vehicle movement and interactions. We present a method for predicting driver intent at urban intersections through multi-modal trajectory prediction with uncertainty. Our method is based on recurrent neural networks combined with a mixture density network output layer. To consolidate the multi-modal nature of the output probability distribution, we introduce a clustering algorithm that extracts the set of possible paths that exist in the prediction output, and ranks them according to likelihood. To verify the method's performance and generalizability, we present a real-world dataset that consists of over 23,000 vehicles traversing five different intersections, collected using a vehicle mounted Lidar based tracking system. An array of metrics is used to demonstrate the performance of the model against several baselines.

研究の動機と目的

• 従来のデータセットやモデルが不足する動的で信号のない都市部の交差点において、運転手の意思決定を予測する課題に対処すること。
• 一意の決定的経路を仮定するのではなく、左折、右折、直進といった運転行動の複数モードの性質を捉える方法を開発すること。
• 高精細地図や膨大な事前処理を必要とせず、さまざまな交差点の形状に一般化可能なリアルタイム予測を可能にすること。
• 現実的な運転行動の意思決定における曖昧さを反映する確率的で不確実性を考慮した出力を提供すること。
• 実世界の走行シナリオから収集された大規模かつ自然的なデータセットを用いて、一般化性と頑健性を実証すること。

提案手法

• 運転手の軌道シーケンスにおける時間的依存性をモデル化するため、長短期記憶（LSTM）再帰的ニューラルネットワークを採用する。
• 将来の軌道の複数モード確率分布をモデル化するために、混合密度ネットワーク（MDN）出力層を用いる。
• MDN出力をクラスタリングして、確率順にランク付けされた一連の可能性の高いパスを抽出する。
• データのフィルタリングや将来の時刻依存性を一切行わず、実世界のLiDAR追跡データをエンド・トゥ・エンドで訓練する。
• 異なる交差点間で軌道入力を標準化するために、交差点の進入部を基準とするフレーム of 参照を用いる。
• 出力をガウス混合として扱うことで不確実性推定を実装し、各予測パスの信頼度スコアを付与する。

実験結果

リサーチクエスチョン

• RQ1 リアルタイムで自然的軌道データのみを用いて、深層学習モデルが信号のない交差点における複数モードの運転手の意思決定を効果的に予測できるか。
• RQ2 クラスタリングを組み込んだ本稿のRNN-MDNモデルは、実世界データにおいてベースライン手法と比較して、正確性と頑健性の面で優れているか。
• RQ3 高精細地図や地図固有の微調整を必要とせず、異なる交差点の形状に一般化できる程度はどの程度か。
• RQ4 不確実性と複数モード出力を組み込むことで、単一経路または決定的モデルと比較して、予測性能がどの程度向上するか。
• RQ5 トレーニング時のシーケンスモデリングが、特に最初のステップのみの損失関数と比較して、予測精度に与える影響は何か。

主な発見

• RNN-FFモデルは、特に左折および右折において、すべてのベースラインを上回る複数モードの軌道予測性能を示し、最も確率の高い予測パスが常に他の選択肢よりも高い順位に位置した。
• モデルは運転行動の複数モードの性質を効果的に捉えており、まだ行動を確定させていない車両についても、直進と左折の両方のパスを予測できた。
• 真値がトップ予測でない場合でも、正しい軌道は常に複数モード出力の集合に含まれており、モデルの頑健性を示した。
• 最初のステップのみの損失関数を使用したRNN-FLモデルは性能が低く、トレーニング時に完全なシーケンスモデリングが、長距離予測の正確性にとって不可欠であることを示した。
• RNN-ZFとRNN-FFモデルの性能差は最小限にとどまり、推論時に複数モード出力からサンプリングしても結果に顕著な劣化がないことを示唆した。
• モデルは、トレーニング時に見られなかった交差点を含め、さまざまな交差点に強く一般化しており、わずかなデータの不整合があっても性能が維持された。