RetroMotion: Retrocausal Motion Forecasting Models are Instructable
Created by
Haebom
저자
Royden Wagner, Omer Sahin Tas, Felix Hauser, Marlon Steiner, Dominik Strutz, Abhishek Vivekanandan, Carlos Fernandez, Christoph Stiller
개요
본 논문은 도로 사용자(agent)의 움직임 예측을 위한 다중 작업 학습 방법을 제시합니다. 복잡한 장면 제약과 상호 작용 행동을 고려하여, 모든 agent에 대한 주변 경로 분포와 상호 작용하는 agent에 대한 결합 경로 분포를 예측하는 두 가지 작업을 포함합니다. Transformer 모델을 사용하여 주변 경로 분포를 재 인코딩하고 쌍별 모델링을 통해 결합 분포를 생성하며, 이는 주변 경로의 후반부 정보를 결합 경로의 전반부로 역인과적으로 흘려보냅니다. 각 경로 지점의 위치 불확실성은 압축 지수 거듭제곱 분포를 사용하여 모델링합니다. Waymo Interaction Prediction 데이터셋에서 최첨단 결과를 달성했으며 Argoverse 2 데이터셋으로의 일반화 성능도 우수합니다. 또한, 경로 수정을 통한 지시 사항 발행 인터페이스를 제공하며, 실험을 통해 목표 기반 지시 사항을 따르고 기본적인 방향 지시 사항을 장면 맥락에 적용할 수 있음을 보여줍니다.
시사점, 한계점
•
시사점:
◦
다중 작업 학습과 역인과적 정보 흐름을 활용한 움직임 예측 방법 제시.
◦
Waymo Interaction Prediction 및 Argoverse 2 데이터셋에서 최첨단 성능 달성.