不確実性を考慮した軌道予測：位置的不確実性と意味的不確実性を活用する統一フレームワーク

arXiv cs.CV / 2026/4/1

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、リアルタイム地図の誤差に由来する不確実性を、2つの要因（位置の不正確さ：センサノイズ／遮蔽、意味の誤解：シーン文脈エラー）として扱うことで、軌道予測に取り組む。
位置予測と意味予測をそれぞれ別に推定し、さらに不確実性分散を明示的な不確実性指標として導出する、デュアルヘッド・デュアルパスの統一型エンドツーエンドフレームワークを提案する。
次に、推定した不確実性を軌道予測パイプラインへ再統合し、予測の頑健性を高める。
4つの地図推定手法と2つの軌道予測ベースラインにわたってnuScenesデータセットで実験した結果、minADE、minFDE、Miss Rateにおいて一貫した改善が見られるとともに、位置次元と意味次元の両方で地図不確実性を効果的に定量化できることを示す。
著者らは、コードを指定のGitHubリポジトリのリンク先で公開する予定であることを述べている。

Abstract

軌跡予測は、過去の移動データの時間的な地平と環境文脈を与えられたときに、車両や歩行者のような動的エンティティの将来の動きを予測することを目指します。この分野における中心的な課題は、リアルタイム地図に内在する不確実性です。その不確実性は主に2つの要因に起因します: (1) センサーの制約や環境による遮蔽によって生じる位置の不正確さ、そして (2) シーン文脈の誤った解釈に由来するセマンティックな誤りです。これらの課題に対処するために、本研究では、位置とセマンティックの不確実性を同時にモデル化し、それらを軌跡予測パイプラインへ明示的に統合する、新しい統一フレームワークを提案します。本手法ではデュアルヘッド構造を用い、セマンティック予測と位置予測を二段（dual-pass）の形でそれぞれ独立に推定します。予測分散を、不確実性の指標としてエンドツーエンドで導出します。その後、これらの不確実性をセマンティック予測および位置予測と融合させることで、軌跡予測の頑健性を高めます。提案する不確実性を考慮したフレームワークを、実世界の走行データセットであるnuScenesで評価し、4つの地図推定手法と2つの軌跡予測ベースラインにわたって大規模な実験を行いました。その結果により、本手法（1）は位置およびセマンティックの両次元において地図の不確実性を効果的に定量化でき、（2）はminADE（minimum Average Displacement Error）、minFDE（minimum Final Displacement Error）、MR（Miss Rate）を含む複数の指標において、既存の軌跡予測モデルの性能を一貫して向上させることが検証されました。コードは https://github.com/JT-Sun/UATP で公開されます。