不確実性が重要：自動運転における運動予測のための構造化確率オンラインマッピング

要約: オンラインマップ生成と軌道予測は、自動運転の知覚-予測-計画パイプラインの重要な要素です。現代のベクタ化マッピングモデルは高い幾何学的精度を達成しますが、通常は地図推定を決定論的タスクとして扱い、構造的不確実性を捨ててしまいます。既存の確率的アプローチはしばしば対角共分散行列に依存しており、点間の独立性を仮定するため、道路幾何に内在する強い空間相関を捉えきれません。これに対処するため、オンラインマップ生成のための構造化確率的定式化を提案します。我々の手法は、密な共分散行列を予測することによって要素内の依存関係を明示的にモデル化します。これは Low-Rank plus Diagonal (LRPD) 共分散分解を用いてパラメータ化されます。この定式化は、不確実性を、グローバルな空間構造を捉える低ランク成分と、独立した局所ノイズを表す対角成分の組み合わせとして表現し、完全な共分散行列の甚大な計算コストを伴わずに幾何学的相関を捉えます。nuScenesデータセット上の評価は、不確実性を考慮したフレームワークが、決定論的ベースラインと比較してオンラインマップ生成品質を一貫して改善することを示しています。さらに、私たちのアプローチは、マップに基づくモーション予測の新しい最先端性能を確立し、計画タスクにおける不確実性の重要な役割を強調しています。コードは近日公開予定のリンクから公開されます。