Disentangled Neural Relational Inference for Interpretable Motion Prediction

要約

動的エージェントの効果的なインタラクションモデリングと動作予測は、自律ロボットのインタラクティブな動作計画において重要な役割を果たします。
既存の手法により予測精度は向上しましたが、予測モデルの解釈可能性と分布外 (OOD) 一般化可能性の向上に重点を置いた研究はほとんど行われていません。
この研究では、グラフベースの表現と時系列モデルを統合する変分オートエンコーダー フレームワークを設計することで、これら 2 つの困難な側面に対処し、インタラクティブ エージェント間の時空間関係を効率的に捕捉し、そのダイナミクスを予測します。
私たちのモデルは、相互作用を特徴付ける解釈可能なエッジ特徴で強化された潜在空間内の動的相互作用グラフを推論します。
さらに、エッジ特徴の潜在空間を解きほぐすことで、OOD シナリオにおけるモデルの解釈可能性とパフォーマンスを強化し、それによってモデルの汎用性と堅牢性を強化することを目指しています。
私たちは、シミュレートされたデータセットと現実世界のデータセットの両方で広範な実験を通じてアプローチを検証します。
この結果は、時空間関係のモデリング、動き予測、時不変の潜在特徴の特定において、既存の方法と比較して優れたパフォーマンスを示しています。

要約(オリジナル)

Effective interaction modeling and behavior prediction of dynamic agents play a significant role in interactive motion planning for autonomous robots. Although existing methods have improved prediction accuracy, few research efforts have been devoted to enhancing prediction model interpretability and out-of-distribution (OOD) generalizability. This work addresses these two challenging aspects by designing a variational auto-encoder framework that integrates graph-based representations and time-sequence models to efficiently capture spatio-temporal relations between interactive agents and predict their dynamics. Our model infers dynamic interaction graphs in a latent space augmented with interpretable edge features that characterize the interactions. Moreover, we aim to enhance model interpretability and performance in OOD scenarios by disentangling the latent space of edge features, thereby strengthening model versatility and robustness. We validate our approach through extensive experiments on both simulated and real-world datasets. The results show superior performance compared to existing methods in modeling spatio-temporal relations, motion prediction, and identifying time-invariant latent features.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google