Pishgu：リアルタイムサイバーフィジカルエッジシステム向けのユニバーサルパス予測ネットワークアーキテクチャ

パス予測は、自動運転や交通監視・管理、歩行者・作業員の安全など、多数の実世界におけるサイバーフィジカルシステム（CPS）応用において不可欠なタスクである。これらの実世界のCPS応用には、複数の主体（歩行者や車両など）と異なる視点（例：鳥瞰図、高角度）から統合的に対応可能な、堅牢かつ軽量なパス予測手法が求められる。しかし、現在の大多数のアルゴリズムは、特定の主体と特定のカメラ視点・シナリオに特化して設計されており、汎用性に欠ける。本稿では、このような課題を解決するため、Pishguと呼ばれる汎用的で軽量なネットワークアーキテクチャを提案する。Pishguのアーキテクチャは、車両・歩行者といった異なる主体、鳥瞰図・高角度といった異なる視点、歩道・高速道路といった異なるシーンに対応可能な柔軟な構成を備えており、複数のパス予測ドメインに適応可能である。本研究では、グラフ同型性ネットワーク（Graph Isomorphism Networks）とアテンションモジュールを活用して、各フレーム内の主体間の相互依存関係を効果的に捉えるアーキテクチャを構築した。さらに、車両の鳥瞰図視点、歩行者の鳥瞰図視点、人間の高角度視点という複数の視点において、3つの異なるCPSドメインで独立して学習と評価を実施した。その結果、Pishguは車両の鳥瞰図視点ドメインにおいて、ADE（平均終点誤差）とFDE（最終終点誤差）の両面で最先端技術をそれぞれ42%および61%上回り、歩行者の高角度視点ドメインにおいてもそれぞれ23%および22%の性能向上を達成した。さらに、複数のデータセットにおけるドメイン固有の特徴を分析し、それらがパス予測性能およびモデルの解釈性に与える影響を明らかにした。最後に、複数のエッジプラットフォーム上で各ドメインにおける遅延（latency）とスループットを測定し、Pishguの実世界におけるCPS応用への統合に向けた堅牢性と適応性を実証した。