自己発見型の意図認識トランスフォーマーによるマルチモーダル車両軌跡予測

Abstract

車両の軌道予測は、自動運転やITS（高度道路交通システム）において重要な役割を果たします。車両の軌道を予測するために複数の深層学習アルゴリズムが考案されていますが、これらは特定のグラフ構造（例：グラフニューラルネットワーク）に依存していたり、明示的な意図ラベリングに依存していたりするため、柔軟性が制限されます。本研究では、近傍車両を考慮した複数のモーダルに基づく純粋なTransformerベースのネットワークを提案します。2つの別々のストリームを用います。1つのストリームは軌道の予測に焦点を当て、もう1つのストリームは近傍車両を考慮した各意図の尤度を予測することに焦点を当てます。調査の結果、空間モジュールを軌道生成モジュールから分離することで、2ストリーム設計が性能を向上させ得ることが分かりました。また、モデルがK本の軌道間の残差オフセットを予測することで、軌道の順序付きグループを学習できることも見出しました。