GANet：運動予測のためのゴールエリアネットワーク

道路参加者の将来の運動を予測することは、自動運転において極めて重要であるが、運動の不確実性が極めて大きいため、実に困難である。近年、多数の運動予測手法は「目的志向型（goal-based）」戦略に依拠している。すなわち、運動軌跡の終点を予測し、その終点を条件として全体の軌跡を回帰するアプローチであり、解の探索空間を縮小することを目的としている。しかし、正確な目的地点の座標を予測・評価することは困難であり、また、目的地を点として表現する方式は、豊かな道路状況情報を十分に活用できないため、多くの場合、予測精度が低下する。一方で、目的地点の「領域（goal area）」、すなわち到達可能な領域を用いることで、より柔軟な制約を導入でき、探索における許容範囲と方向性のガイドラインを提供できる。この点に着目し、本研究では、運動予測のための新たな目的領域ベースのフレームワーク「Goal Area Network（GANet）」を提案する。GANetは、正確な目的座標ではなく、目的領域を軌跡予測の前提条件としてモデル化することで、より堅牢かつ高精度な予測を実現する。具体的には、目的領域内の意味的ランウェイ特徴を効果的に抽出し、エージェント間の将来の相互作用をモデル化する「GoICrop（Goal Area of Interest）」演算子を提案する。この演算子は、将来的な軌跡推定に大きく寄与する。GANetは、論文提出時点における公開文献の中でArgoverse Challengeのリーダーボードで1位を獲得しており、実装コードも公開予定である。