[論文レビュー] Social-WaGDAT: Interaction-aware Trajectory Prediction via Wasserstein Graph Double-Attention Network

Jiachen Li, Hengbo Ma+2 more|arXiv (Cornell University)|Feb 14, 2020

Autonomous Vehicle Technology and Safety参考文献 50被引用数 52

ひとこと要約

Social-WaGDAT は、Wasserstein ベースの生成モデルとグラフダブルアテンションネットワークを用いた相互作用を考慮した多エージェント軌道予測器で、時空関係を捉えます。歩行者と車両で検証し、運動学的制約層を備えています。

ABSTRACT

Effective understanding of the environment and accurate trajectory prediction of surrounding dynamic obstacles are indispensable for intelligent mobile systems (like autonomous vehicles and social robots) to achieve safe and high-quality planning when they navigate in highly interactive and crowded scenarios. Due to the existence of frequent interactions and uncertainty in the scene evolution, it is desired for the prediction system to enable relational reasoning on different entities and provide a distribution of future trajectories for each agent. In this paper, we propose a generic generative neural system (called Social-WaGDAT) for multi-agent trajectory prediction, which makes a step forward to explicit interaction modeling by incorporating relational inductive biases with a dynamic graph representation and leverages both trajectory and scene context information. We also employ an efficient kinematic constraint layer applied to vehicle trajectory prediction which not only ensures physical feasibility but also enhances model performance. The proposed system is evaluated on three public benchmark datasets for trajectory prediction, where the agents cover pedestrians, cyclists and on-road vehicles. The experimental results demonstrate that our model achieves better performance than various baseline approaches in terms of prediction accuracy.

研究の動機と目的

• 混雑した対話的環境における自動運転システムの安全で高品質な計画を促進する。
• エージェント間の関係を明示的に推論する汎用の生成的軌道予測フレームワークを開発する。
• トポロジカルおよび時間的アテンションを備えた動的グラフ表現を組み込み、高次相互作用をモデル化する。
• 物理的実現可能性を運動学的制約層を通じて強制し、現実性と性能を向上させる。
• 複数の歩行者および車両の軌道ベンチマークで最先端の予測精度を示す。

提案手法

• 3部構成のパイプラインを用いる：深層特徴抽出器（状態、関係、文脈特徴）、グラフベースのエンコーダ（GDAT、グラフダブルアテンションネットワーク）、および運動学的制約層を備えたデコーダ。
• 履歴と未来の時空グラフを構築し、ノード属性がエージェントの状態と文脈を結合し、エッジ属性が空間的関係をエンコードする。
• グラフ構造に基づいてノード特徴を更新するトポロジカルアテンション層を適用し、次に時系列にわたる情報を要約する時間的アテンション層を適用する。
• 履歴および未来のノード属性をエンコーディング関数を介して潜在表現に変換し、将来の軌道仮説をサンプリングできるようにする。
• GRUを用いた再帰的機構でデコードし、運動学的自転車モデルに着想を得た制約セルを組み込んで物理的に実現可能な軌道を保証する。
• 再構成、KL発散、および最大平均差分項を融合した Wasserstein ベースの目的関数でエンドツーエンドに訓練する。

実験結果

リサーチクエスチョン

• RQ1 対話的な状況において、複数のエージェント間の明示的な関係推論は軌道予測をどのように改善できるか？
• RQ2 グラフベースのダブルアテンション機構は高次のエージェント間影響と時間的進化を効果的に捉えられるか？
• RQ3 シーン文脈と運動学的制約を取り入れることで、歩行者と車両の予測精度に再現性のある向上が得られるか？
• RQ4 多エージェントの軌道予測における Wasserstein ベースの生成フレームワークは、他の生成手法（GAN／VAE 系）とどのように比較されるか？
• RQ5 履歴と文脈を共同モデリングすることが長期予測性能に与える影響はどの程度か？

主な発見

• Social-WaGDAT は複数のシナリオにおいて歩行者ベンチマーク（ETH/UCY、SDD）および車両ベンチマーク（ID）で最先端または競合的な ADE/FDE を達成。
• グラフのダブルアテンション機構は空間的関係と時間的進化の両方を効果的にモデル化でき、ベースラインより顕著な改善をもたらす。
• 文脈情報（占有マップと速度場）の組み込みは長期的な予測を大幅に改善し、特に道路規則が制約となるシナリオで顕著。
• 運動学的制約層は実現可能な軌道を強制し出力を平滑化することで予測品質を一貫して向上させ、曲がりやすい状況（環状交差点・交差点）でより大きな効果を示す。
• 本手法は歩行者、自転車、路上車両の分野で高い性能を示し、異種エージェントへの汎化性を示す。