BiTraP：マルチモーダルなゴール推定を用いた双方向的歩行者軌道予測

歩行者軌道予測は、自動運転やロボットナビゲーションを含むロボティクス分野において不可欠なタスクである。最先端の軌道予測手法では、観測された軌道を符号化し、多モーダルな将来の軌道を復号するために、再帰型ニューラルネットワーク（RNN）を用いた条件付き変分自己符号化器（CVAE）が採用されている。しかし、この手法は長時間予測（2秒以上）において、誤差の累積問題に直面することがある。本論文では、CVAEに基づくゴール条件付き双方向多モーダル軌道予測手法であるBiTraPを提案する。BiTraPは、軌道のゴール（終点）を推定し、新たな双方向デコーダを導入することで、長期予測の精度を向上させている。広範な実験により、BiTraPが第一人称視点（FPV）および鳥瞰視点（BEV）の両方のシナリオに一般化でき、最先端手法を約10〜50%上回ることを示した。また、CVAEにおける非パラメトリックモデルとパラメトリックモデルの選択が、予測される多モーダル軌道分布に直接的な影響を与えることも明らかにした。これらの結果は、衝突回避やナビゲーションシステムを含むロボティクス応用における軌道予測器の設計に有益な指針を提供する。