MotionLM: Multi-Agent Motion Forecasting as Language Modeling

要約

道路管理者の将来の行動の信頼性の高い予測は、自動運転車の安全な計画にとって重要な要素です。
ここでは、連続的な軌跡を離散的なモーション トークンのシーケンスとして表し、このドメイン上の言語モデリング タスクとしてマルチエージェントのモーション予測をキャストします。
私たちのモデル MotionLM にはいくつかの利点があります。 まず、マルチモーダル分布を学習するためにアンカーや明示的な潜在変数の最適化を必要としません。
代わりに、単一の標準言語モデリング目標を活用し、シーケンス トークンに対する平均ログ確率を最大化します。
第二に、私たちのアプローチは、インタラクティブなスコアリングの前に個々のエージェントの軌道生成が実行されるポストホックインタラクションヒューリスティックをバイパスします。
代わりに、MotionLM は、単一の自己回帰デコード プロセスでインタラクティブ エージェントの将来にわたる結合分布を生成します。
さらに、モデルの逐次因数分解により、時間的因果関係のある条件付きロールアウトが可能になります。
提案されたアプローチは、Waymo Open Motion Dataset 上でマルチエージェント動作予測の新しい最先端のパフォーマンスを確立し、インタラクティブ チャレンジ リーダーボードで 1 位にランクされました。

要約(オリジナル)

Reliable forecasting of the future behavior of road agents is a critical component to safe planning in autonomous vehicles. Here, we represent continuous trajectories as sequences of discrete motion tokens and cast multi-agent motion prediction as a language modeling task over this domain. Our model, MotionLM, provides several advantages: First, it does not require anchors or explicit latent variable optimization to learn multimodal distributions. Instead, we leverage a single standard language modeling objective, maximizing the average log probability over sequence tokens. Second, our approach bypasses post-hoc interaction heuristics where individual agent trajectory generation is conducted prior to interactive scoring. Instead, MotionLM produces joint distributions over interactive agent futures in a single autoregressive decoding process. In addition, the model’s sequential factorization enables temporally causal conditional rollouts. The proposed approach establishes new state-of-the-art performance for multi-agent motion prediction on the Waymo Open Motion Dataset, ranking 1st on the interactive challenge leaderboard.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google