[論文レビュー] What Truly Matters in Trajectory Prediction for Autonomous Driving?

Tran, Phong, Haoran Wu+4 more|arXiv (Cornell University)|Jun 27, 2023

Autonomous Vehicle Technology and Safety被引用数 8

ひとこと要約

この論文は、データセット予測と実際の運転とのダイナミクスギャップ、および予測計算時間が、予測精度と運転性能の間のほとんどの乖離を説明しており、インタラクティブでタスク指向の評価を提案する。

ABSTRACT

Trajectory prediction plays a vital role in the performance of autonomous driving systems, and prediction accuracy, such as average displacement error (ADE) or final displacement error (FDE), is widely used as a performance metric. However, a significant disparity exists between the accuracy of predictors on fixed datasets and driving performance when the predictors are used downstream for vehicle control, because of a dynamics gap. In the real world, the prediction algorithm influences the behavior of the ego vehicle, which, in turn, influences the behaviors of other vehicles nearby. This interaction results in predictor-specific dynamics that directly impacts prediction results. In fixed datasets, since other vehicles' responses are predetermined, this interaction effect is lost, leading to a significant dynamics gap. This paper studies the overlooked significance of this dynamics gap. We also examine several other factors contributing to the disparity between prediction performance and driving performance. The findings highlight the trade-off between the predictor's computational efficiency and prediction accuracy in determining real-world driving performance. In summary, an interactive, task-driven evaluation protocol for trajectory prediction is crucial to capture its effectiveness for autonomous driving. Source code along with experimental settings is available online.

研究の動機と目的

• 静的評価指標（ADE/FDE）が下流のADタスクにおける運転性能を予測しないことを示す。
• 予測器に影響を受ける自車の行動と環境応答のダイナミクスギャップの影響を定量化する。
• インタラクティブなシミュレーションにおいて、精度以外の要因（計算効率など）が運転性能に与える影響を評価する。
• 軌道予測を下流の運転成果と整合させる、インタラクティブでタスク駆動の評価プロトコルを提案する。

提案手法

• モーション予測と計画を、 predictor がポリシーとして機能する計画認識型MDPとしてモデル化する。
• 実世界のプランナー遷移とデータセットプランナー遷移の間のダイナミクスギャップ G = T1* − T1hat を定義・測定する。
• 固定予測予算または計画予算の下で、RVOとDESPOTの2つのプランナーを用いて predictor を評価する、SUMMITベースのインタラクティブシミュレーターを使用する。
• 静的指標（ADE/minADE）と、閉ループ評価におけるダイナミックADEおよび運転性能指標（安全性、効率、快適性）を比較する。
• 予測非対称性、多モード性、視界遮へい、特にダイナミクスギャップが、予測と運転の相関に与える影響を分析する。
• predictor の計算時間を、運転性能に影響を与える重要な要因として評価し、速度と精度のトレードオフを強調する。

実験結果

リサーチクエスチョン

• RQ1 現在の静的軌道予測評価（ADE/FDE）は、自動運転パイプラインにおける実際の運転性能と相関するか。
• RQ2 予測精度と運転性能の乖離を最も説明する要因は何か。
• RQ3 ダイナミクスギャップと計算効率は、インタラクティブでタスク指向の評価において運転性能にどのように影響するか。
• RQ4 インタラクティブで計画認識型の評価プロトコルは、軌道予測器の実世界適用性をよりよく反映できるか。

主な発見

• 静的ADEとminADEは、インタラクティブな計画において運転性能との相関が限定的で、いくつかの誤解を招く正の傾向を示す。
• インタラクティブなシミュレータにおけるダイナミックADEは、運転性能とより強く相関し、ダイナミクスギャップを支配的な要因として示す。
• 定量的結果：ダイナミクスギャップは、RVOプランナーでは静的ADEと運転性能の整合性の不一致の77.0%、DESPOTプランナーでは70.3%を説明する。
• ダイナミクスギャップを超え、予測の非対称性、多モード予測、遮蔽なども、精度と運転性能の関係に影響を与えるが、影響はより小さい。
• predictor の計算効率は、特に高いプランニングティックで運転性能に大きく影響し、速度と精度の重要なトレードオフを示す。
• 総じて、運転性能はダイナミック予測精度と計算のトレードオフによって支配され、タスク駆動の評価を正当化する。