SoPhie: 社会的および物理的な制約に準拠した経路を予測する注意GAN

本論文では、シーン内での複数の相互作用するエージェントの経路予測という問題を取り扱います。これは、自動運転車やソーシャルロボットなどの多くの自律プラットフォームにとって重要なステップです。私たちは \textit{SoPhie} を提案します。これは、生成対抗ネットワーク（Generative Adversarial Network, GAN）を基盤とする解釈可能なフレームワークで、シーン内のすべてのエージェントの経路履歴と、シーンコンテキスト情報を画像から活用します。エージェントの将来の経路を予測するためには、物理的な情報と社会的な情報の両方が必要です。これまでの研究では、物理的な相互作用と社会的な相互作用を同時にモデル化することは成功していませんでした。私たちのアプローチは、社会的注意機構と物理的注意機構を組み合わせることで、大規模なシーン内でどこに注目すべきかを学習し、経路上で最も重要な部分の画像情報を抽出します。一方、社会的注意成分は異なるエージェント間の相互作用情報を集約し、周囲の近隣から最も重要な軌道情報を抽出します。\textit{SoPhie} はまた、GAN を利用してより現実的なサンプルを生成し、未来の経路における不確実性を分布モデルによって捉えることでその性質を把握します。これらのメカニズムにより、私たちのアプローチはエージェントに対して社会的にも物理的にも妥当な経路を予測でき、複数の異なる軌道予測ベンチマークにおいて最先端の性能を達成しています。