[論文レビュー] SafeCritic: Collision-Aware Trajectory Prediction

Tessa van der Heiden, Naveen Shankar Nagaraja+2 more|arXiv (Cornell University)|Oct 15, 2019

Autonomous Vehicle Technology and Safety参考文献 28被引用数 19

ひとこと要約

SafeCriticは、生成対抗ネットワーク（GANs）と強化学習に基づくクリティックを組み合わせた新しい軌道予測モデルを提案する。このモデルは、正確で多様性に富み、衝突のない軌道を生成する。環境に配慮したクリティックを統合し、静的・動的障害物との衝突をペナルティ化することで、安全性と性能が向上し、UCYおよびSDDベンチマークで最先端の結果を達成。ベースライン比3倍少ない衝突回数を記録しながら、高い正確性を維持した。

ABSTRACT

Navigating complex urban environments safely is a key to realize fully autonomous systems. Predicting future locations of vulnerable road users, such as pedestrians and cyclists, thus, has received a lot of attention in the recent years. While previous works have addressed modeling interactions with the static (obstacles) and dynamic (humans) environment agents, we address an important gap in trajectory prediction. We propose SafeCritic, a model that synergizes generative adversarial networks for generating multiple "real" trajectories with reinforcement learning to generate "safe" trajectories. The Discriminator evaluates the generated candidates on whether they are consistent with the observed inputs. The Critic network is environmentally aware to prune trajectories that are in collision or are in violation with the environment. The auto-encoding loss stabilizes training and prevents mode-collapse. We demonstrate results on two large scale data sets with a considerable improvement over state-of-the-art. We also show that the Critic is able to classify the safety of trajectories.

研究の動機と目的

• 軌道予測における明示的な安全性モデリング、特に静的・動的障害物との衝突回避の欠如に対処すること。
• 生成過程で不適切で危険な軌道を除外することで、軌道予測の正確性を向上させること。
• シーンの複雑さにかかわらず、エージェント間の空間的相互作用を捉えるスケーラブルでアテンションベースのシーン表現を開発すること。
• 真の未来の軌道に依存せずに、リアルさ（GANを介して）と安全性（学習された報酬関数を介して）をバランスさせるエンドツーエンドの学習を可能にすること。

提案手法

• 生成器は、過去の観測に基づいて複数の多様な未来の軌道候補を生成するための条件付きGANフレームワークを用いる。
• 識別器は、生成された軌道が真の軌道と区別できるかどうかを評価し、生成軌道のリアルさを評価する。
• 逆強化学習を用いて訓練されたクリティックネットワークは、静的障害物および動的エージェントとの衝突を検出し、軌道の安全性を評価する。
• クリティックはアテンションベースのシーン表現を用いて、エージェントおよび環境要因間の空間的依存関係をモデル化する。
• 訓練の安定化とGANフレームワークにおけるモード崩壊の緩和を目的として、自己符号化損失が適用される。
• GAN損失（リアルさのため）とクリティックの報酬（安全性のため）の凸結合が、最終的な軌道選択を導く。

実験結果

リサーチクエスチョン

• RQ1 真の未来の軌道に依存せずに、リアルさと安全性の両方を同時に最適化できる軌道予測モデルは構築可能か？
• RQ2 学習されたクリティックネットワークは、軌道生成中に静的・動的障害物との衝突をどれほど効果的に検出し、ペナルティ化できるか？
• RQ3 環境への配慮を組み込むことで、軌道の正確性と多様性はどの程度向上するか？
• RQ4 提案手法は、最先端モデルと比較して衝突頻度を低減するか？ また、予測正確性は維持または向上するか？
• RQ5 クリティックネットワークは、未観測の環境に一般化可能であり、軌道の安全性を信頼性高く分類できるか？

主な発見

• UCYデータセットでは、SafeCriticはmADE 0.37、mFDE 0.84を達成し、SocialGAN、SoPhie、CAR-Netを含むすべてのベースラインを上回った。
• より複雑なSDDデータセットでは、SafeCriticはmADE 14.39、mFDE 27.39を達成し、次に良いモデル（CAR-Net）の25.72および51.80と比べて顕著に優れた性能を示した。
• すべてのデータセットにおいて、SocialGAN、SoPhie、線形回帰モデルと比較して、衝突回数を3倍に削減した。真の軌道の衝突回数に近づいた。
• モデルはモード崩壊に対して頑健であり、質的・定量的分析により、混雑したシーンでも多様な軌道を生成した。
• クリティックネットワークは安全な軌道を正しく分類し、生成された経路が障害物や他のエージェントを避けることを確認した。アテンション可視化および衝突のない軌道例から明らかになった。
• アブレーションスタディにより、GANベースのリアルさ損失とクリティックベースの安全性報酬を組み合わせることで、多様性と安全性の両立が図れる最良の性能が得られることを確認した。