Kraken: enabling joint trajectory prediction by utilizing Mode Transformer and Greedy Mode Processing

要約

安全な都市自治には、正確かつ信頼性の高い動き予測が不可欠です。
最も著名な動き予測アプローチは、自律システムの近くにある各アクターの将来の可能性のある軌道の分布のモデル化に基づいています。
これらの「独立した」限界予測は、予測ターゲットが他のアクターと対話する可能性が低いカジュアルな運転状況を適切に記述するのに十分な精度を備えている可能性があります。
ただし、これらは、俳優の将来の軌跡が交差する可能性が高いインタラクティブな状況をモデル化するには不十分です。
この問題を軽減するために、我々は Kraken を提案します。これは、アクター間のペアごとの相互作用を近似し、正確な限界予測を生成できるリアルタイム軌道予測モデルです。
Kraken は、シンプルな貪欲モード処理技術を利用して、エージェントのペアの因数分解された予測を物理的に妥当な結合予測に変換できます。
また、モード トランスフォーマー モジュールを利用して、予測軌跡の多様性を高め、共同予測をより有益なものにします。
2021 年 10 月にインタラクション リーダーボードで 1 位、モーション リーダーボードで 2 位を獲得した Waymo Motion Prediction チャレンジで Kraken を評価します。

要約(オリジナル)

Accurate and reliable motion prediction is essential for safe urban autonomy. The most prominent motion prediction approaches are based on modeling the distribution of possible future trajectories of each actor in autonomous system’s vicinity. These ‘independent’ marginal predictions might be accurate enough to properly describe casual driving situations where the prediction target is not likely to interact with other actors. They are, however, inadequate for modeling interactive situations where the actors’ future trajectories are likely to intersect. To mitigate this issue we propose Kraken — a real-time trajectory prediction model capable of approximating pairwise interactions between the actors as well as producing accurate marginal predictions. Kraken relies on a simple Greedy Mode Processing technique allowing it to convert a factorized prediction for a pair of agents into a physically-plausible joint prediction. It also utilizes the Mode Transformer module to increase the diversity of predicted trajectories and make the joint prediction more informative. We evaluate Kraken on Waymo Motion Prediction challenge where it held the first place in the Interaction leaderboard and the second place in the Motion leaderboard in October 2021.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google