将来の関係推論を活用した車両軌道予測

複数エージェント間の相互作用を理解することは、現実的な車両軌道予測において極めて重要である。従来の手法では、エージェントの過去軌道から、プーリング、アテンション、グラフベースの手法などを用いて相互作用を推定しようとしているが、これらはすべて決定論的手法に依存している。しかしながら、これらの手法は複雑な道路構造下では失敗しやすく、将来に起こり得る多様な相互作用を予測できないという課題を抱えている。本論文では、走行車線情報を利用することで、エージェント間の確率的な将来の関係を予測する新たなアプローチを提案する。本手法では、まずエージェントの粗い将来の運動を獲得するために、車両の車線レベルのウェイポイント占有確率を予測する。次に、各エージェントペアが隣接する車線を通過する確率の時間的変化を用いて、隣接車線を通過するエージェント同士は高頻度で相互作用すると仮定する。さらに、相互作用を確率分布を用いてモデル化することで、複数の可能な将来の相互作用を表現可能とする。この分布は、真の将来軌道から得られる相互作用の事後分布から学習される。提案手法は、代表的な軌道予測データセットであるnuScenesおよびArgoverse上で検証された。実験結果から、本手法は予測精度において顕著な向上を達成し、長期予測ベンチマークデータセットにおいて最先端の性能を達成した。