Reasoning Multi-Agent Behavioral Topology for Interactive Autonomous Driving

要約

自動運転システムは、対話型エージェント間の行動統合により、安全で社会と調和した運転を目指します。
ただし、マルチエージェントの現場の不確実性と異質な相互作用のため、課題は依然として残っています。
現在の高密度および疎な行動表現は、マルチエージェント モデリングの非効率性と不一致に悩まされており、予測と計画 (IPP) を統合する際の集団行動パターンの不安定性につながります。
これに対処するために、下流の軌道生成を導くための準拠した動作フォアグラウンドとして機能するトポロジカル形成を開始します。
具体的には、マルチエージェント間の合意に基づく行動パターンを明示的に表現する極めて重要なトポロジー定式化である Behavioral Topology (BeTop) を導入します。
BeTop は、マルチエージェントの将来の軌道から準拠したインタラクティブ トポロジを抽出するために、ブレイド理論から派生しています。
BeTop が監修する相乗学習フレームワーク (BeTopNet) により、予測されたトポロジー事前分布内での動作予測と計画の一貫性が容易になります。
BeTop は、模倣的な偶発性学習を通じて、予測と計画のための行動の不確実性も効果的に管理します。
nuPlan や WOMD を含む大規模な現実世界のデータセットでの広範な検証により、BeTop が予測タスクと計画タスクの両方で最先端のパフォーマンスを達成していることが実証されています。
提案されたインタラクティブ シナリオ ベンチマークのさらなる検証により、インタラクティブ ケースにおける計画のコンプライアンスが示されます。

要約(オリジナル)

Autonomous driving system aims for safe and social-consistent driving through the behavioral integration among interactive agents. However, challenges remain due to multi-agent scene uncertainty and heterogeneous interaction. Current dense and sparse behavioral representations struggle with inefficiency and inconsistency in multi-agent modeling, leading to instability of collective behavioral patterns when integrating prediction and planning (IPP). To address this, we initiate a topological formation that serves as a compliant behavioral foreground to guide downstream trajectory generations. Specifically, we introduce Behavioral Topology (BeTop), a pivotal topological formulation that explicitly represents the consensual behavioral pattern among multi-agent future. BeTop is derived from braid theory to distill compliant interactive topology from multi-agent future trajectories. A synergistic learning framework (BeTopNet) supervised by BeTop facilitates the consistency of behavior prediction and planning within the predicted topology priors. Through imitative contingency learning, BeTop also effectively manages behavioral uncertainty for prediction and planning. Extensive verification on large-scale real-world datasets, including nuPlan and WOMD, demonstrates that BeTop achieves state-of-the-art performance in both prediction and planning tasks. Further validations on the proposed interactive scenario benchmark showcase planning compliance in interactive cases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google