自律運転のためのハイブリッド予測統合計画

自律運転システムは、複雑なシナリオにおける情報に基づいた意思決定を促進するために、周囲の環境を包括的に理解し、正確に予測することが求められます。最近の学習ベースのシステムの進展は、予測と計画を統合する重要性を強調しています。しかし、この統合は、予測パターン間の整合性や将来の予測と計画との相互作用を通じて、重大な整合性の課題を伴います。これらの課題に対処するために、我々はハイブリッド予測統合計画（HPP）フレームワークを導入します。これは、三つの新しいモジュールが協働して動作します。まず、エージェント特有の動きの予測と共同占有を整合させるために、境界条件付き占有予測を導入します。我々の提案するMS-OccFormerモジュールは、複数の粒度にわたる動きの予測との時空間的整合を達成します。次に、エージェント間の相互作用ダイナミクスを、その共同予測意識に基づいてモデル化するゲーム理論的動き予測器GTFormerを提案します。第三に、ハイブリッド予測パターンを同時にEgo Plannerに統合し、予測ガイダンスによって最適化します。HPPフレームワークはnuScenesデータセットにおいて最先端のパフォーマンスを確立し、エンドツーエンド構成において優れた精度と安全性を示します。さらに、HPPの相互作用的オープンループとクローズドループ計画のパフォーマンスは、Waymo Open Motion Dataset（WOMD）およびCARLAベンチマークで実証され、予測と計画間の整合性が向上したことで、既存の統合パイプラインを上回ります。