[論文レビュー] Uncertainty-Aware Diffusion Model for Multimodal Highway Trajectory Prediction via DDIM Sampling

Marion Neumeier, Niklas Roßberg+2 more|arXiv (Cornell University)|Feb 24, 2026

Autonomous Vehicle Technology and Safety被引用数 0

ひとこと要約

この論文は、CVMDx を提案します。CVQ-VAE をシナリオエンコーディングに統合し、DDIM サンプリングで効率化を図り、ガウス混合モデルを用いて多様な出力を表現する、迅速で不確実性を考慮したマルチモーダルな高速道路軌跡予測の拡張拡散ベースフレームワークです。

ABSTRACT

Accurate and uncertainty-aware trajectory prediction remains a core challenge for autonomous driving, driven by complex multi-agent interactions, diverse scene contexts and the inherently stochastic nature of future motion. Diffusion-based generative models have recently shown strong potential for capturing multimodal futures, yet existing approaches such as cVMD suffer from slow sampling, limited exploitation of generative diversity and brittle scenario encodings. This work introduces cVMDx, an enhanced diffusion-based trajectory prediction framework that improves efficiency, robustness and multimodal predictive capability. Through DDIM sampling, cVMDx achieves up to a 100x reduction in inference time, enabling practical multi-sample generation for uncertainty estimation. A fitted Gaussian Mixture Model further provides tractable multimodal predictions from the generated trajectories. In addition, a CVQ-VAE variant is evaluated for scenario encoding. Experiments on the publicly available highD dataset show that cVMDx achieves higher accuracy and significantly improved efficiency over cVMD, enabling fully stochastic, multimodal trajectory prediction.

研究の動機と目的

• 高速道路軌跡予測の本質的に確率的でマルチモーダルな性質に対処する。
• 実用的な多サンプル不確実性推定を可能にするためのサンプリング効率を向上させる。
• コードブック崩壊を低減し堅牢性を向上させるためにシナリオ表現を強化する。
• 生成軌跡に対してガウス混合モデルを適合させ、明示的なマルチモーダル予測を提供する。

提案手法

• VQ-VAE を CVQ-VAE に置換してシナリオエンコーディングにおけるコードブック崩壊を緩和することで、cVMD を拡張する。
• DDIM サンプリングを用いて、多サンプル生成で DDPM より最大 100 倍の推論速度を実現する。
• 捉えられた拡散軌跡にガウス混合モデルを適用して、複数の運動仮説を抽出・表現する。
• トレーニング安定性とサンプル一貫性のために速度ベースの学習目的を採用する。
• シナリオ文脈の不確実性と拡散タイムステップによって条件付けの強さを調整する、不確実性を考慮した無条件指示付きガイダンスを実装する。
• 高Dデータセット上で評価し、基準拡散モデルおよび非拡散軌跡予測器と比較する。

実験結果

リサーチクエスチョン

• RQ1 拡散ベースの軌跡モデルをどのように高速化し、道路シナリオのマルチモーダルな未来をより上手く捉えられるか。
• RQ2 CVQ-VAE ベースのシナリオ条件付けはコードブック崩壊を抑制し、予測の堅牢性を向上させるか。
• RQ3 速度ベースの学習目的は拡散ベース軌跡予測の安定性とサンプル品質を改善するか。
• RQ4 DDIM サンプリングは自動運転の軌跡において実用的な多サンプル不確実性推定をどれだけ効果的に可能にするか。
• RQ5 ガウス混合モデルは拡散によって生成されたマルモダル分布を明示的な運動仮説として要約できるか。

主な発見

• cVMDx は従来の拡散ベース手法と比較して、DDIM サンプリングにより最大 100 倍の推論速度を実現する。
• CVQ-VAE はコードブック崩壊を緩和し、堅牢なシナリオ埋め込みを提供する。標準の VQ-VAE に対するこの設定の利得は小さい。
• ガウス混合モデルは、生成サンプルから複数の未来の運動仮説を抽出・表現できる。
• 速度ベースの目的は拡散ベース軌跡予測のトレーニング安定性とサンプル一貫性を向上させる。
• サンプルの集約（平均、または K 個中の最良）により単一サンプルの基準より ADE が改善されるが、FDE では必ずしも改善せず、マルモーダルな利点を示す。