MultiPath: 行動予測のための複数の確率的アンカー軌跡仮説
1分まとめ
固定されたアンカー軌跡の集合に対する離散分布と、各アンカーからのオフセットと不確実性の回帰を組み合わせ、1回の推論で多峰的な将来軌跡のガウス混合分布を得る方式を提案した。
- 固定数のアンカー軌跡（K個）に対する意図分布と、各アンカーからのオフセットと時点ごとのガウス不確実性を1回のフォワード推論で予測する手法を提案した。
- 大規模自動運転データセット（約385万サンプル）で、対数尤度4.37（Regressionμ,Σは3.64）を達成し、minADE5で0.63（同0.70）とベースラインを上回った。
- サンプリング型のCVAEと比較し、上位5軌跡のminADEで0.63対0.77（CVAE select）と、はるかに少ない軌跡数で同等以上の被覆を実現した。
- 評価はシミュレーション（CARLA）と実データ（自動運転データセット、Stanford Drone）の両方を含むが、公開データセットの規模は小さく、独自データセットの再現性に課題がある。
- 現在標準の「アンカー/クエリによる多峰予測」の枠組みを定めた論文であり、その後の予測モデルの土台となった。
課題
自動運転における他エージェントの将来軌跡予測は本質的に多峰的であり、意図の不確実性と制御の不確実性を分離してモデル化する必要がある。既存の決定論的モデルは単一の最尤軌跡しか出力できず、サンプリング型の生成モデルは推論の非決定性、近似誤差の評価困難、確率的クエリの実行困難などの問題があった。
提案手法
予測したい将来軌跡の状態列を固定数のアンカー軌跡A={ak}で代表させ、意図の不確実性をアンカー上のソフトマックス分布π(ak|x)で、制御の不確実性を各アンカー・各時刻のガウス分布N(sk_t|ak_t+μk_t, Σk_t)でモデル化する。最終的な軌跡分布は混合重みが時刻によらず一定のガウス混合モデルp(s|x)=Σk π(ak|x) Πt φ(st|ak,x)となる。アンカーはk-meansまたは軌跡空間の一様サンプリングで事前に生成する。ネットワークはトップダウン描画されたシーン入力からResNet系のシーン特徴を抽出し、エージェント中心に切り出した特徴に対してアンカーごとのオフセット、共分散（μx, μy, logσx, logσy, ρ）、およびソフトマックス重みを回帰する。学習はグラウンドトゥルースに最も近いアンカーへのハード割り当てに基づく負の対数尤度損失で行う。
評価と結果
3つのデータセットで評価している。(1) 独自の大規模自動運転データセット（3.85Mサンプル、80m×80mのトップダウン入力、予測水平6秒、K=16）では、MultiPath μ,Σの対数尤度が4.37±0.00でRegression μ,Σの3.64±0.01を上回り、minADE5=0.63±0.00とCVAE selectの0.77±0.03を上回った。ただしADE単体ではMultiPath μ,Σの1.25±0.01はRegression μの1.17±0.01に劣る。(2) Stanford Drone Dataset（2.5Hz、4.8秒予測）では、FDE=58.38、minADE5=17.51で既存手法のCAR-Net（FDE=51.80）には劣るが、単一軌跡のADE=28.32でRegression μ,Σ（26.67）を下回る。(3) CARLAシミュレータのベンチマークでは、Town01でminMSD12=0.68、Town02で0.69を報告し、ESP（0.72/0.68）と同等以上としている。
大規模自動運転データセットにおける予測精度の比較（Table 1）
| 手法 | LL↑ | ADE↓ | minADE5↓ | minADE15↓ |
|---|---|---|---|---|
| Linear | - | 3.26 | (3.26) | (3.26) |
| Regression μ | - | 1.17±0.01 | (1.17±0.01) | (1.17±0.01) |
| Regression μ,Σ | 3.64±0.01 | 1.41±0.02 | (1.41±0.02) | (1.41±0.02) |
| CVAE select | - | 1.20±0.03 | 0.77±0.03 | 0.63±0.03 |
| Min-of-K μ,Σ | 4.26±0.04 | 1.23±0.02 | 0.70±0.01 | 0.70±0.01 |
| MultiPath μ (ours) | - | 1.17±0.00 | 0.58±0.00 | 0.46±0.00 |
| MultiPath μ,Σ (ours) | 4.37±0.00 | 1.25±0.01 | 0.63±0.00 | 0.61±0.00 |
自動運転データセットにおける対数尤度の比較
自動運転データセットにおけるminADE5の比較
CARLAベンチマークにおけるminMSD12の比較
新規性
軌跡アンカーを事前定義し、意図分布と制御不確実性を分離したガウス混合モデルをワンパスで予測する点。既存のGMM学習はモード崩壊を起こしやすいが、アンカーをデータから事前に決めることでこれを回避した。
限界
著者らは限界として、時刻間の条件付き独立性の仮定（RNNで拡張可能）と、アンカーを事前に固定することによる表現力の制約を挙げている。論文から読み取れる制約として、(a) アンカーはデータセットの分布に依存し、運転シーンの分布が大きく異なる場合には再学習が必要であること、(b) 自動運転データセットは非公開であり、他手法との比較は発表時の実装に依存すること、(c) Stanford DroneではCAR-Netに単一軌跡のFDEで及ばず、複数軌跡の被覆性能のみで優位に立っていること、(d) CARLAの評価はシミュレーションのみであることが挙げられる。その後の研究では、アンカーを固定せず学習するモデルや、エージェント間の相互作用を明示的にモデル化するアプローチが発展し、この論文の「事前定義アンカー」の枠組みは、より柔軟なクエリベースの手法へと進化した。
産業へのインパクト
事前定義されたアンカー軌跡を用いて多峰分布を1回の推論で得るという枠組みは、その後の自動運転向け軌跡予測の標準的な設計となった。特に、混合ガウスによるパラメトリックな出力は、プランナーが確率的クエリを解析的に実行できる点で実用的であり、サンプリング型手法の非決定性の問題を回避する方向性を示した。現在の予測モデルではアンカーをデータから学習したり、クエリとして動的に生成する方式が主流であるが、この論文が導入した「多峰性を明示的に扱う」という課題設定自体が、その後の研究の土台となった。