[論文レビュー] Scene Induced Multi-Modal Trajectory Forecasting via Planning

Nachiket Deo, Mohan M. Trivedi|arXiv (Cornell University)|May 23, 2019

Autonomous Vehicle Technology and Safety参考文献 15被引用数 10

ひとこと要約

本論文は、ゴール予測、逆強化学習に基づく経路計画、およびアテンション駆動型の軌道生成を統合することで、未知のシーンにおけるマルチモーダル軌道予測の計画ベースのアプローチを提案する。この手法は、mADEが15.73、mFDEが28.18という最先端の性能を達成しており、事前に定義されたゴールを必要とせずに、新しいシーンへの一般化が図れる。

ABSTRACT

We address multi-modal trajectory forecasting of agents in unknown scenes by formulating it as a planning problem. We present an approach consisting of three models; a goal prediction model to identify potential goals of the agent, an inverse reinforcement learning model to plan optimal paths to each goal, and a trajectory generator to obtain future trajectories along the planned paths. Analysis of predictions on the Stanford drone dataset, shows generalizability of our approach to novel scenes.

研究の動機と目的

• エージェントが複数のゴールを持つ可能性がある未知のシーンにおけるマルチモーダル軌道予測の課題に対処すること。
• 回帰ベースのモデルにおけるモード崩壊を解消するために、シーンに起因するゴール分布と最適経路を明示的にモデル化すること。
• ゴール状態やシーン固有の報酬関数に関する事前知識を必要とせずに、新しいシーンへの一般化を可能にすること。
• 過去の運動の時間的ダイナミクスを保持するために、連続的で時間に依存する軌道を生成すること。
• シーンの文脈、過去の運動、および学習された報酬構造を統合することで、予測の正確性と多様性を向上させること。

提案手法

• ゴール予測モデルは、完全畳み込みネットワーク（FCN）を用いたシーン符号化と、過去の軌道符号化にGRUを用い、特徴量の統合とソフトマックスを組み合わせてゴールヒートマップを予測する。
• 最大エントロピー深層IRLを用いた逆強化学習モデルは、局所的なシーンの特徴と運動パターンからシーン固有の報酬マップを学習し、予測されたゴールへの最適経路計画を可能にする。
• 軌道生成モデルは、双方向GRUを用いて計画された経路のウェイポイントを符号化し、ソフトアテンションを備えたGRUデコーダーを用いて連続的で時間分解能のある将来の軌道を生成する。
• この手法は、ゴール予測と経路計画を同時に最適化し、過去の運動と計画された経路に条件付けられた軌道生成により、時間的整合性を確保する。
• 報酬マップは局所的なシーンパッチから学習されるため、再トレーニングなしに新しいシーンへの一般化が可能である。
• 構造的計画パイプラインを通じて複数の妥当なゴールと経路を明示的にモデル化することで、モード崩壊を回避する。

実験結果

リサーチクエスチョン

• RQ1 事前にゴールの位置を知らなくても、計画ベースのアプローチが未確認のシーンにマルチモーダル軌道予測を一般化できるか？
• RQ2 複雑な環境において、シーンの文脈と過去の運動をどのように統合して、妥当なエージェントのゴールを予測できるか？
• RQ3 最大エントロピー原理に基づく逆強化学習は、吸収的ゴール状態を必要とせずに、多様でシーンに整合した経路を生成できるか？
• RQ4 軌道生成に時間的ダイナミクスを組み込むことで、静的パスサンプリングと比較して、予測精度がどの程度向上するか？
• RQ5 符号化されたウェイポイントからアテンション駆動型の軌道生成を行うことで、エンドツーエンドの生成モデルと比較して、より正確で多様な予測が得られるか？

主な発見

• 提案手法は、mADEが15.73、mFDEが28.18という最先端の性能をスタンフォードドローンデータセットで達成し、SocialGAN、DESIRE、MATF GAN、SoPhieなどの先行手法を上回った。
• SDDベンチマークにおける多様な環境での一貫性ある性能から、本モデルは新しいシーンへの一般化が図れていることが示された。
• 定性的な結果から、過去の運動と環境的制約に整合した多様でシーンに整合した軌道が得られていることが確認された。
• シーンベースと運動ベースの報酬マップの統合により、以前にない構成に対しても頑健な経路計画が可能になった。
• アテンション駆動型の軌道生成器は、関連するウェイポイントに適切に注目し、4.8秒の予測期間にわたり時間的に整合性があり正確な予測を生成した。
• 本手法は、事前に定義されたゴール状態を必要としないため、先行の最大エントロピーIRLアプローチの主な制限を克服した。