GATraj: A Graph- and Attention-based Multi-Agent Trajectory Prediction Model

要約

軌道予測は、自動運転やロボットナビゲーションなどのインテリジェントシステムにおける長年の課題です。
大規模なベンチマークでトレーニングされたモデルは、予測精度の向上において大幅な進歩を遂げました。
ただし、リアルタイム アプリケーションの効率の重要性はあまり重視されていません。
本稿では、予測精度と推論速度のバランスを実現する、GATraj というアテンションベースのグラフモデルを提案します。
アテンション メカニズムを使用して、歩行者や車両などのエージェントの時空間ダイナミクスをモデル化し、グラフ畳み込みネットワークを使用してエージェントの相互作用をモデル化します。
さらに、モード崩壊を軽減し、エージェントごとに多様なマルチモーダル予測を生成するために、ラプラシアン混合デコーダーが実装されています。
GATraj は、歩行者軌跡用の ETH/UCY データセットでテストした場合、はるかに高速で最先端の予測パフォーマンスを実現し、自動運転用の nuScenes データセットでテストした場合、約 100 Hz の推論速度で良好なパフォーマンスを実現しました。
私たちは広範な実験を行ってラプラシアン混合デコーダの確率推定を分析し、それをガウス混合デコーダと比較してさまざまなマルチモダリティを予測します。
さらに、包括的なアブレーション研究により、GATraj で提案された各モジュールの有効性が実証されています。
コードは https://github.com/mengmengliu1998/GATraj で公開されています。

要約(オリジナル)

Trajectory prediction has been a long-standing problem in intelligent systems like autonomous driving and robot navigation. Models trained on large-scale benchmarks have made significant progress in improving prediction accuracy. However, the importance on efficiency for real-time applications has been less emphasized. This paper proposes an attention-based graph model, named GATraj, which achieves a good balance of prediction accuracy and inference speed. We use attention mechanisms to model the spatial-temporal dynamics of agents, such as pedestrians or vehicles, and a graph convolutional network to model their interactions. Additionally, a Laplacian mixture decoder is implemented to mitigate mode collapse and generate diverse multimodal predictions for each agent. GATraj achieves state-of-the-art prediction performance at a much higher speed when tested on the ETH/UCY datasets for pedestrian trajectories, and good performance at about 100 Hz inference speed when tested on the nuScenes dataset for autonomous driving. We conduct extensive experiments to analyze the probability estimation of the Laplacian mixture decoder and compare it with a Gaussian mixture decoder for predicting different multimodalities. Furthermore, comprehensive ablation studies demonstrate the effectiveness of each proposed module in GATraj. The code is released at https://github.com/mengmengliu1998/GATraj.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google