[论文解读] Social GAN: Socially Acceptable Trajectories with Generative Adversarial Networks

Agrim Gupta, Justin C. Johnson+3 more|arXiv (Cornell University)|Mar 28, 2018

Autonomous Vehicle Technology and Safety被引用 8

一句话总结

本文提出 Social GAN，一种具有新颖池化机制和多样性损失的生成对抗网络，用于在拥挤场景中预测多个行人多样且符合社会规范的轨迹。通过结合基于 RNN 的生成器和判别器，该方法能够建模复杂的社交互动，并生成多模态、无碰撞的未来路径，在准确性、多样性与效率方面均优于先前方法。

ABSTRACT

Understanding human motion behavior is critical for autonomous moving platforms (like self-driving cars and social robots) if they are to navigate human-centric environments. This is challenging because human motion is inherently multimodal: given a history of human motion paths, there are many socially plausible ways that people could move in the future. We tackle this problem by combining tools from sequence prediction and generative adversarial networks: a recurrent sequence-to-sequence model observes motion histories and predicts future behavior, using a novel pooling mechanism to aggregate information across people. We predict socially plausible futures by training adversarially against a recurrent discriminator, and encourage diverse predictions with a novel variety loss. Through experiments on several datasets we demonstrate that our approach outperforms prior work in terms of accuracy, variety, collision avoidance, and computational complexity.

研究动机与目标

• 解决在人类运动具有多模态性且受社会约束的拥挤场景中，预测多个符合社会规范的未来轨迹的挑战。
• 克服先前方法局限于局部邻域且因 L2 损失而学习平均行为的局限性。
• 通过数据驱动方法捕捉社会规范的隐式信息，建模场景中所有行人之间的全局交互。
• 通过对抗训练和多样性损失，生成多样、全局一致且无碰撞的轨迹预测。
• 在真实世界人群数据集上，提升轨迹预测的准确性、多样性与计算效率。

提出的方法

• 使用基于序列到序列的 RNN 编码器-解码器架构作为生成器，从观测到的运动历史预测未来轨迹。
• 提出一种新颖的全局池化机制，聚合场景中所有行人的信息，使模型能够捕捉集体社交动态。
• 使用循环判别器评估预测轨迹的真实性，通过对抗训练强制实现社会可接受性。
• 引入多样性损失，以鼓励生成器在合理轨迹空间中分散其预测，增强多样性。
• 通过对抗损失联合训练生成器与判别器，使生成器学习生成多样且符合社会规范的输出以欺骗判别器。
• 进行潜在空间探索，以分析运动属性（如方向与速度）的解耦情况。

实验结果

研究问题

• RQ1 基于 GAN 的框架能否有效建模多模态行人轨迹，同时确保社会可接受性？
• RQ2 深度学习模型如何以计算高效的方式捕捉多个行人之间的全局社交互动？
• RQ3 对抗训练与多样性损失在多大程度上能提升轨迹预测的多样性与真实性？
• RQ4 该模型能否泛化至复杂的真实场景，如汇合、群体回避与跟随他人？
• RQ5 潜在空间的结构如何？是否可实现对方向、速度等属性的解耦控制？

主要发现

• Social GAN 在多个真实世界人群数据集上实现了轨迹预测准确性的最先进性能，其平均位移误差与最小位移误差均优于先前方法。
• 模型生成的轨迹具有多样性、全局一致性与社会可接受性，样本显示了多种避让策略，如减速、变向或改变速度。
• 潜在空间分析表明，特定方向对应于运动属性的变化，如左右移动或速度变化，表明模型学习到了解耦且可解释的表示。
• 所提出的多样性损失显著提升了预测多样性，且未牺牲准确性，使模型能够覆盖多种合理未来轨迹。
• 全局池化机制使模型能够超越局部邻域进行社交互动推理，从而生成更连贯、更真实的联合预测。
• 该模型成功处理了复杂场景，如走廊中人员汇合、避开群体以及人物跟随，即使在真实场景中存在视野限制，模型的观测范围也未受此约束。