縦方向を観察する：フーリエスペクトルを用いた階層的ネットワークによる経路予測

エージェントの将来の軌道を理解し予測することは、行動解析、ロボットナビゲーション、自動運転車両など、関連する応用分野において極めて重要である。従来の手法は、主に軌道予測を時系列生成問題として扱っていた。これに対して、本研究では軌道を「縦方向（垂直方向）」の視点から分析し、スペクトル領域から軌道をモデル化・予測することを提案する。軌道のスペクトルにおける異なる周波数帯域は、エージェントの運動特性をスケールごとに階層的に反映することができる。低周波成分は粗い運動トレンドを、高周波成分は細かい運動変動をそれぞれ表す。これに基づき、軌道スペクトルを用いてエージェントの軌道を階層的にモデル化・予測するためのハイブリッドネットワークV²-Netを提案する。本ネットワークは2つのサブネットワークから構成される。まず、粗いレベルのキーポイント推定サブネットワークが、いくつかの「キーポイント」周波数帯域におけるエージェント軌道の「最小スペクトル」を予測する。その後、細かいレベルのスペクトル補間サブネットワークが、これらのスペクトルを補間して最終的な軌道予測を再構成する。実験結果から、ETH-UCYベンチマークおよびStanford Drone Datasetの両方において、V²-Netが競争力と優位性を示すことが確認された。