目標、ウェイポイントおよび経路から長期的人間軌道予測へ

人間の軌道予測は本質的に多モーダルな問題である。将来の軌道における不確実性は、以下の2つの要因に起因する：(a) エージェントには分かっているがモデルには分からない要因（たとえば長期的な目的）、および (b) エージェントおよびモデルの両方にとって未知の要因（たとえば他のエージェントの意図や意思決定における不可避なランダム性）。本研究では、こうした不確実性をエピステミック不確実性（epistemic uncertainty）とアレアトリック不確実性（aleatoric uncertainty）に分解することを提案する。エピステミック不確実性は長期的な目的の多様性によってモデル化し、アレアトリック不確実性は経由点（waypoints）および経路の多様性によって表現する。この二項的構造を具体化するため、予測期間が1分まで達するという、従来の研究と比べて1桁以上長い新たな長期軌道予測設定を提案する。最後に、提案されたエピステミック・アレアトリック構造を活用し、長期予測期間にわたり多様な軌道予測を実現するシーン対応型軌道予測ネットワーク「Y-net」を提示する。Y-netは、(a) スタンフォードドローンおよびETH/UCYデータセットにおける広く研究されている短期間予測設定、および (b) 再利用されたスタンフォードドローンおよびインターセクションドローンデータセットにおける本研究で提案した長期予測設定の両方において、従来の最先端手法を顕著に上回る性能を達成した。