ブレイド理論を用いた将来インタラクション対応の軌道予測

要旨: 安全に運用するため、自律走行車は、その周囲に存在しうる多数の相互作用するエージェントの将来の挙動を知る必要がある。この課題は、多くの場合、マルチエージェント軌道予測として定式化される。これまでの多くの試みでは、社会的相互作用をモデル化したり、共同予測の課題を解いたりする際に、計算負荷が過大になるか、あるいはマルチエージェントの行動タイプをラベル付けするためのヒューリスティックに依存してきた。対照的に、ブレイド理論は、将来の軌道をブレイドに射影し、そのブレイドが時間経過とともに軌道同士がどのように交差するかを表現することで、マルチエージェントの挙動を強力かつ厳密に記述できる。すると、ブレイドは将来における複数エージェント間の特定の協調モードに対応する。これまでの研究では、ブレイドは、相互作用するエージェントを考察することや、予測対象エージェントの注目区間（時間窓）を制限することに軽く用いられてきた。本研究では、ブレイド表現の表現力をより十分に活用し、それを用いて軌道そのものを条件付けすることで、共同予測性能をさらに高められることを示す。訓練時および推論時のいずれにおいても、追加される計算複雑性はごくわずかである。これを実現するために、新しい補助タスクである「ブレイド予測」を、軌道予測タスクと並行して提案する。ブレイド表現における、エージェント間のエッジを正しい交差タイプに分類することで、ブレイド予測タスクはモデルに改善された社会的認識（ソーシャル・アウェアネス）を与えることができ、その結果、共同予測が実際のマルチエージェントの挙動により密に従うように反映される。この単純な補助タスクによって、3つの別々のデータセットにおける共同指標で大きな改善を得ることができた。さらに、ブレイド予測タスクがモデルに将来の意図の認識を注入し、それによってより正確な共同予測につながることを示す。コードは github.com/caiocj1/traj-pred-braid-theory で公開されている。