要約
過去数十年にわたり、避難状況の分析やスマート交通システムの導入、交通運用など、多数の実世界応用が存在するため、人間の軌道予測は活発な研究分野として注目されてきた。初期の研究では、ドメイン知識に基づいて手作業で特徴表現を設計していた。しかし、混雑した環境における社会的相互作用は多様であり、しばしば微細な性質を持つ。近年、深層学習手法が、より汎用的かつデータ駆動型のアプローチにより、人間同士の相互作用を学習する能力を発揮し、従来の手作業による手法を上回る成果を上げている。本研究では、社会的相互作用をモデル化する既存の深層学習手法について、包括的な分析を行う。さらに、これらの相互作用を効果的に捉えるための、知識ベースのデータ駆動型手法を2つ提案する。また、こうした相互作用に基づく予測モデルの性能を客観的に比較できるよう、大規模なインタラクション中心のベンチマーク「TrajNet++」を構築した。これは、人間軌道予測分野において、これまで欠けていた重要な要素である。さらに、モデルが社会的に妥当な軌道を出力する能力を評価するための新しい評価指標を提案した。TrajNet++を用いた実験により、本研究で提案する指標の必要性が実証され、実世界データおよび合成データの両方において、競合するベースライン手法を上回る性能を示した。