DAG-Net：トラジェクトリ予測のためのデュアルアテンショングラフニューラルネットワーク

人間の運動行動を理解することは、自動運転車やソーシャルロボットなどのさまざまな応用において重要な課題であり、特に自律エージェントが人間中心の環境内を航行する必要がある場面では、普遍的に重要な要素となる。この課題は本質的に複雑である。なぜなら、人間の運動行動は本質的に多様性（マルチモーダル）を有しており、過去の行動経路が与えられたとしても、人々が将来どのように移動するかは多数の妥当な可能性が存在するからである。さらに、人々の行動はしばしば目的に基づいている。たとえば特定の場所へ到達することや、環境との相互作用を行うことなどが挙げられる。本研究では、単一エージェントの将来の目的と、異なるエージェント間の相互作用の両方を考慮する新しい再帰型生成モデルを提案する。このモデルは、二重のアテンションベースのグラフニューラルネットワークを用いて、エージェント間の相互影響に関する情報を収集し、同時にエージェントの将来の可能性のある目的に関するデータと統合する。本手法は汎用性が高く、さまざまなシナリオに適用可能である。実証実験において、都市環境およびスポーツ分野の両方で、最先端の性能を達成した。