GOHOME：未来の運動推定のためのグラフ指向型ヒートマップ出力

本稿では、高精細地図（High Definition Map）のグラフ表現とスパース投影を活用し、交通シーンにおける特定エージェントの将来位置確率分布を表すヒートマップ出力を生成する手法GOHOMEを提案する。このヒートマップ出力は、エージェントの将来のあり得る位置を自由な2次元グリッド形式で表現可能であり、内在的なマルチモーダル性と予測の不確実性を定量的に捉えることが可能となる。本研究で提案するグラフ指向型モデルは、周囲環境を正方形の画像として表現し、従来のCNNで処理するという高コストなアプローチを回避し、代わりにエージェントが近い将来に到達する可能性の高い道路線にのみ注目することで、計算負荷とメモリ使用量を大幅に削減する。GOHOMEは、Argoverse Motion Forecasting BenchmarkにおけるMissRate$_6$評価指標で2位を達成し、Argoverse 1位を獲得したHOME手法と比較して、著しい高速化とメモリ使用量の削減を実現した。また、ヒートマップ出力がマルチモーダルなアンサンブルを可能にすることを強調し、我々の最良のアンサンブルにより、Argoverseの1位手法のMissRate$_6$を15％以上改善した。さらに、nuScenesおよびInteractionといった他の軌道予測データセットにおいても、最先端の性能を達成し、本手法の汎用性を実証した。