Social-STGCNN：人間の軌道予測を目的としたソーシャル空間時系列グラフ畳み込みニューラルネットワーク

歩行者の行動に関する機械の理解が向上することで、自律走行車両や人間などのエージェント間の相互作用をモデル化する分野における進展が加速する。歩行者の軌道は、歩行者自身の行動に影響を受けるだけでなく、周囲の物体との相互作用にも左右される。従来の手法では、学習された複数の歩行者状態を統合するさまざまな集約手法を用いてこれらの相互作用をモデル化していた。本研究では、集約手法の必要性を排除し、相互作用をグラフとしてモデル化する「Social Spatio-Temporal Graph Convolutional Neural Network（Social-STGCNN）」を提案する。実験結果によると、従来の最先端手法と比較して、最終位置誤差（FDE）において20%の性能向上を達成し、平均位置誤差（ADE）においても改善を示した。さらに、パラメータ数は従来手法の8.5倍少ない上、推論速度は最大48倍高速化された。加えて、本モデルはデータ効率性に優れており、訓練データの20%のみを用いても、ADE指標において従来の最先端手法を上回った。本研究では、隣接行列内に歩行者間の社会的相互作用を埋め込むためのカーネル関数を提案する。定性的な分析により、本モデルが歩行者の軌道間で期待される社会的行動特性を適切に捉えていることを示した。コードは以下のGitHubリポジトリで公開されている：https://github.com/abduallahmohamed/Social-STGCNN。