[論文レビュー] What-If Motion Prediction for Autonomous Driving

Siddhesh Khandelwal, William Qi+3 more|arXiv (Cornell University)|Aug 24, 2020

Autonomous Vehicle Technology and Safety参考文献 45被引用数 23

ひとこと要約

本論文では、自動運転における反事後的運動予測を可能にする再帰的グラフベースのアテンションモデル、WIMP（What-If Motion Prediction）を提案する。WIMPは幾何的（レーンレベル）および社会的（アクター同士の）関係を統合し、仮説的なレーンポリラインや変更された社会的文脈に条件づけて予測を行うことで、リアルタイムのプランナーフィードバックを可能にし、因果的推論を向上させ、Argoverseデータセットで最先端の性能を達成するとともに、標準のベンチマークを超える解釈可能で多様な軌道予測を実現する。

ABSTRACT

Forecasting the long-term future motion of road actors is a core challenge to the deployment of safe autonomous vehicles (AVs). Viable solutions must account for both the static geometric context, such as road lanes, and dynamic social interactions arising from multiple actors. While recent deep architectures have achieved state-of-the-art performance on distance-based forecasting metrics, these approaches produce forecasts that are predicted without regard to the AV's intended motion plan. In contrast, we propose a recurrent graph-based attentional approach with interpretable geometric (actor-lane) and social (actor-actor) relationships that supports the injection of counterfactual geometric goals and social contexts. Our model can produce diverse predictions conditioned on hypothetical or "what-if" road lanes and multi-actor interactions. We show that such an approach could be used in the planning loop to reason about unobserved causes or unlikely futures that are directly relevant to the AV's intended route.

研究の動機と目的

• 自動運転車両の既存の運動予測モデルにおける反事後的推論の欠如に対処すること。
• 仮説的な幾何的および社会的文脈を組み込むことで、リアルタイムでプランナーが関与する予測を可能にすること。
• レーンとアクター相互作用の構造的でトポロジカルなモデリングを通じて、AV行動の解釈可能性と因果的理解を向上させること。
• 観測されていないまたは不確実なシナリオに条件づけられた多様でマルチモーダルな軌道予測を支援すること。
• モデルが極端なまたは矛盾する文脈入力に一般化できることを示し、頑健な因果的学習が行われていることを示すこと。

提案手法

• WIMPは、幾何的（レーン同士）および社会的（アクター同士）関係のための別個のアテンションモジュールを備えた再帰的グラフニューラルネットワークを用いる。
• 道路網をレーンセグメントの有向グラフとして表現し、下位のレーントポロジからポリラインとしてのトポロジカルなゴールを生成する。
• モデルはユーザー定義または仮説的なポリラインに条件づけて予測を行うことで、シーンを再処理せずに「もし～なら」クエリを可能にする。
• 社会的文脈は動的相互作用グラフでモデル化され、アクターの除去や挿入により反事後的シナリオをシミュレート可能である。
• ラスタライゼーションを回避し、直接的に座標とトポロジカル構造を処理することで、より高い幾何的忠実度を実現する。
• 歴史的運動と条件付き入力（不適切なまたは意味的に奇妙なポリラインを含む）の両方に注目することで、多様な予測を可能にする。

実験結果

リサーチクエスチョン

• RQ1 運動予測モデルは、自動運転計画における効率的でインタラクティブな反事後的推論を可能にするか？
• RQ2 仮説的なレーンポリラインや変更された社会的文脈に条件づけることで、予測の多様性と現実性はどのように変化するか？
• RQ3 極端なまたは矛盾する文脈入力に適切に対応することで、モデルはドライブ行動の因果的表現を学習できるか？
• RQ4 グラフベースでラスタライズしないアーキテクチャは、長期予測ベンチマークで最先端の手法をどの程度上回るか？
• RQ5 矛盾的または不可能な幾何的ゴールに条件づけられた場合、モデルの挙動はどのように変化するか？

主な発見

• WIMPはArgoverse運動予測ベンチマークで最先端の性能を達成し、標準的な距離ベースの指標において先行手法を上回った。
• 意味的に不適合なポリライン（例：他のアクターと交差するもの）に条件づけられた場合、モデルはマップ入力を無視し、社会的および歴史的文脈に依存するよう学習しており、頑健性を示している。
• 反事後的シナリオでは、交差点に停止した車両を挿入した場合に、モデルは的確に攻撃的減速を予測し、最終速度が10.3 m/sから3.3 m/sに低下した。
• 単一のポリラインに条件づけられた場合でも、モデルは入力を無視する軌道を含む多様な予測を生成し、マルチモーダル推論を示している。
• 極端なまたは不可能な入力に対し、慎重に応答できる能力は、モデルが相関的ではなく因果的表現を学習していることを示唆している。
• モデルは、シーン全体の文脈を再処理せずに、関連する将来の特定のクエリを効率的に行えるようにすることで、計画者との効果的な連携を可能にしている。