Abstract
周囲の交通エージェントの将来軌跡を予測することは、安全な自律走行と衝突回避にとって極めて重要である。軌跡予測の分野で数々の進歩があったにもかかわらず、予測モデルは、遮蔽によって生じる不確実性、検知範囲の制約、知覚の誤りによる不確実性に対して脆弱なままである。車両間協調（V2V）のアプローチは、補完的な情報を共有することでこの不確実性を低減するのに役立つ。既存の協調的な軌跡予測手法では、ホリスティックなシーン視点を構築するために、通常、知覚段階で特徴マップを融合する。そしてこのホリスティックな表現を将来軌跡へ復号する。そのような設計は、高次元の特徴表現の交換によって通信オーバーヘッドが大きくなることに加え、多くの場合、理想化された帯域幅と同期を前提としており、実運用での展開を制限する。そこで本研究では、協調を知覚モジュールから予測モジュールへと切り替えることでこれらの制約に対処し、共有予測のためのレイト・フュージョン（後期融合）フレームワークを提案する。このフレームワークはモデルに依存せず、協調する車両を独立した非同期エージェントとして扱う。提案手法をOPV2V、V2V4Real、DeepAccidentの各データセットで評価し、個別予測と協調予測を比較する。すべてのデータセットにおいて、レイト・フュージョンは一貫してミス率を低減し、軌跡成功率（\mathrm{TSR}_{0.5}）を改善する。ここで\mathrm{TSR}_{0.5}は、最終的な変位誤差が0.5 m未満である地上真値エージェントの割合として定義される。実世界のV2V4Realデータセットでは、協調予測は、個別予測と比べて、両方のインテリジェント車両において成功率をそれぞれ1.69\%および1.22\%改善する。
