Social-BiGAT: バイシクル-GANとグラフアテンションネットワークを使用したマルチモーダル軌道予測

シーン内の複数の相互作用するエージェントの将来軌道を予測することは、自律走行車両やソーシャルロボットの制御から、セキュリティや監視まで、さまざまな応用分野においてますます重要な問題となっています。この問題は、人間同士の社会的相互作用と、人々がシーンと物理的にどのように相互作用するかによってさらに複雑化しています。既存の研究ではこれらの手がかりの一部が探られていますが、主に各人の将来軌道のマルチモーダル性が無視されてきました。本論文では、歩行者の社会的相互作用をより正確にモデル化することで現実的なマルチモーダルな軌道予測を生成するグラフベースの生成対抗ネットワークであるSocial-BiGATを提案します。当手法は、シーン内の人々間の社会的相互作用を符号化した信頼性のある特徴表現を学習するグラフアテンションネットワーク（GAT）と、これらの特徴に基づいて人間のパスを予測するために敵対的に訓練された再帰型エンコーダー-デコーダー構造に基づいています。Bicycle-GANと同様に、予測問題のマルチモーダル性を明示的に考慮するために、各シーンとその潜在ノイズベクトルとの間で可逆変換を行います。我々は、既存の軌道予測ベンチマーク上でいくつかのベースラインと比較して当フレームワークが最先端の性能を達成することを示しています。