[論文レビュー] Social Attention for Autonomous Decision-Making in Dense Traffic

Edouard Leurent, Jean Mercat|arXiv (Cornell University)|Nov 27, 2019

Autonomous Vehicle Technology and Safety参考文献 37被引用数 68

ひとこと要約

本論文は、密集した交通での自律的意思決定を改善するために、近傍車両の変動数と順序不変性を扱うアテンションベースのポリシーアーキテクチャを提案し、解釈可能なアテンションパターンを提供する。

ABSTRACT

We study the design of learning architectures for behavioural planning in a dense traffic setting. Such architectures should deal with a varying number of nearby vehicles, be invariant to the ordering chosen to describe them, while staying accurate and compact. We observe that the two most popular representations in the literature do not fit these criteria, and perform badly on an complex negotiation task. We propose an attention-based architecture that satisfies all these properties and explicitly accounts for the existing interactions between the traffic participants. We show that this architecture leads to significant performance gains, and is able to capture interactions patterns that can be visualised and qualitatively interpreted. Videos and code are available at https://eleurent.github.io/social-attention/.

研究の動機と目的

• 密集した交通における自動運転のための学習ベースの行動計画を動機付ける。
• 可変サイズの入力と順序不変性の観点で、一般的な状態表現（特徴リスト対空間グリッド）を批評する。
• 複数の近傍車両との自車相互作用を捉えるアテンションベースのアーキテクチャを導入する。
• 最大で15車両に及ぶ複雑な交差点横断タスクで、性能と解釈性の改善を示す。
• アテンションパターンが直感的な安全性と交渉ダイナミクスと一致することを示す。

提案手法

• 特化した Q-関数アーキテクチャを備えた DQN フレームワークを使用する。
• 周囲の各車両を共有の線形エンコーダーで符号化する。
• 複数のヘッドを持つ ego-attention レイヤーを適用して自車との相互作用を計算する。
• アテンション出力を自車のエンコードに残差接続で統合する。
• 高レベルの意思決定のための行動価値を出力する線形デコーダを使用する。
• パディングなしで、置換不変性と可変入力サイズを示す。）

実験結果

リサーチクエスチョン

• RQ1 固定サイズ表現に比べて、アテンションベースの社会的相互作用は密集した交通での意思決定を改善できるか。
• RQ2 自車中心のマルチヘッドアテンションは有意義な車対自車の依存関係を捉え、解釈可能であるか。
• RQ3 提案手法は、リストベースおよびグリッドベースの表現と、交差点シナリオにおける性能と安全性の点でどう比較されるか。
• RQ4 モデルは相互作用パターンを利用して、道路の優先順位に応じて攻撃性を高めたり低めたりできるか。
• RQ5 より多くの車両や多様な配置を含む場面へ拡張性はあるか。

主な発見

• 自車中心のアテンションアーキテクチャは、FCN/ListおよびCNN/Gridベースのベースラインに対して顕著な性能向上をもたらす。
• モデルは車両数の可変性に対応し、置換不変性を保つため、交差点横断時の意思決定品質が向上する。
• アテンションヘッドは異なる領域（例：左、前/右）に特化し、衝突の可能性がある車両に焦点を合わせ、ターゲットが近づくにつれてアテンションが強まる。
• ポリシーは右照会権の微妙な交渉を学習し、道路の優先順位に応じて適応でき、攻撃性に影響を与える。
• エピソード中の解釈可能な相互作用パターンとアテンションダイナミクスを示す定性的な視覚化。