[论文解读] DAG-Net: Double Attentive Graph Neural Network for Trajectory Forecasting

Alessio Monti, Alessia Bertugli+2 more|arXiv (Cornell University)|May 26, 2020

Autonomous Vehicle Technology and Safety参考文献 35被引用 58

一句话总结

DAG-Net 引入双重注意力图神经网络和以未来目标为条件的循环变分自编码器，以在城市和体育场景中生成多模态轨迹预测，达到最先进的结果。

ABSTRACT

Understanding human motion behaviour is a critical task for several possible applications like self-driving cars or social robots, and in general for all those settings where an autonomous agent has to navigate inside a human-centric environment. This is non-trivial because human motion is inherently multi-modal: given a history of human motion paths, there are many plausible ways by which people could move in the future. Additionally, people activities are often driven by goals, e.g. reaching particular locations or interacting with the environment. We address the aforementioned aspects by proposing a new recurrent generative model that considers both single agents' future goals and interactions between different agents. The model exploits a double attention-based graph neural network to collect information about the mutual influences among different agents and to integrate it with data about agents' possible future objectives. Our proposal is general enough to be applied to different scenarios: the model achieves state-of-the-art results in both urban environments and also in sports applications.

研究动机与目标

• 通过建模在代理目标条件下的多样化未来路径来解决多模态轨迹预测。
• 通过带有注意力池化的图神经网络整合代理之间的社会互动。
• 利用以未来目标为条件的循环变分自编码器来生成合理的未来位移。
• 捕捉未来目标与相互影响，以提升长期预测的准确性。

提出的方法

• 使用VRNN核心来建模时间动态，并将位移作为潜变量生成。
• 引入一个Goals网络，通过图注意力机制对预测的未来目标进行编码和细化。
• 应用第二个带注意力的GNN用邻域信息细化代理的隐藏状态。
• 将编码器、先验和解码器条件化在预测的目标上，以引导轨迹生成。
• 使用扩展的ELBO目标进行训练，其中包括用于目标对齐的交叉熵项。
• 在推理阶段，采用与其他代理的倾向共享信息的目标生成网络，以产生一致的未来。

实验结果

研究问题

• RQ1 未来目标如何表示并整合以引导多智能体轨迹预测？
• RQ2 带注意力的图神经网络是否能够有效建模代理间的相互作用和目标关系以提高精度？
• RQ3 将VRNN条件化于结构化目标在城市和体育场景中是否能产生更好的多模态预测？

主要发现

• DAG-Net 在 Stanford Drone Dataset 上的 ADE 和 FDE 表现优于基线（0.53 m ADE，1.04 m FDE）。
• 在篮球场景中，DAG-Net 提升了进攻和防守预测，在 ADE/FDE 上超越 STGAT、Social-Ways 和 Weak-Supervision。
• 消融研究表明，代理交互与未来目标条件与基础的 VRNN 和 Attentive-VRNN 基线相比具有优势。
• 在高度动态的团队体育情境中，长时域预测受益于整合的目标与交互方法，尤其明显。
• 双重注意力机制在稳定预测的同时保持未来轨迹的多模态性。