論文の概要: Super Agents and Confounders: Influence of surrounding agents on vehicle trajectory prediction

• arxiv url: http://arxiv.org/abs/2604.03463v1
• Date: Fri, 03 Apr 2026 21:15:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.593246
• Title: Super Agents and Confounders: Influence of surrounding agents on vehicle trajectory prediction
• Title（参考訳）: スーパーエージェントと共同設立者:周囲のエージェントが車両軌道予測に及ぼす影響
• Authors: Daniel Jost, Luca Paparusso, Martin Stoll, Jörg Wagner, Raghu Rajan, Joschka Bödecker,
• Abstract要約: インタラクティブな運転シーンでは、車や歩行者などの周囲の交通参加者の情報に基づいて軌道予測を行う。 我々の主な貢献は、最先端の軌道予測器を包括的に分析することであり、驚くべき、重大な欠陥が明らかになっている。 エージェントの特徴を効果的に圧縮する訓練を施したCIB(Conditional Information Bottleneck)を統合することを提案する。
• 参考スコア（独自算出の注目度）: 3.217085919378088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In highly interactive driving scenes, trajectory prediction is conditioned on information from surrounding traffic participants such as cars and pedestrians. Our main contribution is a comprehensive analysis of state-of-the-art trajectory predictors, which reveals a surprising and critical flaw: many surrounding agents degrade prediction accuracy rather than improve it. Using Shapley-based attribution, we rigorously demonstrate that models learn unstable and non-causal decision-making schemes that vary significantly across training runs. Building on these insights, we propose to integrate a Conditional Information Bottleneck (CIB), which does not require additional supervision and is trained to effectively compress agent features as well as ignore those that are not beneficial for the prediction task. Comprehensive experiments using multiple datasets and model architectures demonstrate that this simple yet effective approach not only improves overall trajectory prediction performance in many cases but also increases robustness to different perturbations. Our results highlight the importance of selectively integrating contextual information, which can often contain spurious or misleading signals, in trajectory prediction. Moreover, we provide interpretable metrics for identifying non-robust behavior and present a promising avenue towards a solution.
• Abstract（参考訳）: 高度にインタラクティブな運転シーンでは、車や歩行者などの周囲の交通参加者の情報に基づいて軌道予測を行う。 我々の主な貢献は、最先端の軌道予測器を包括的に分析することであり、これは驚くべき、重大な欠陥を明らかにしている。 Shapleyベースの属性を用いて、モデルが不安定で非因果決定スキームを学習し、トレーニングの実行毎に大きく異なることを厳格に実証する。 これらの知見に基づいて、我々は、追加の監督を必要としない条件情報ボトルネック(CIB)を統合することを提案し、エージェントの特徴を効果的に圧縮し、予測タスクに有益でないものを無視するように訓練されている。 複数のデータセットとモデルアーキテクチャを用いた総合的な実験により、この単純で効果的なアプローチは、多くのケースにおいて全体の軌道予測性能を改善するだけでなく、異なる摂動に対する堅牢性も向上することを示した。 本研究は,経路予測において,しばしば刺激的あるいは誤解を招く信号を含む文脈情報を選択的に統合することの重要性を強調した。 さらに,非破壊的行動を特定するための解釈可能な指標を提供し,ソリューションへの有望な道を示す。

関連論文リスト

• Improving Consistency in Vehicle Trajectory Prediction Through Preference Optimization [4.506411269983418]
  軌道予測は、自動運転車のパイプラインにおいて不可欠なステップである。 現在のディープラーニングベースの軌道予測モデルは、公開データセット上で優れた精度を達成することができる。 選好最適化を用いたマルチエージェント設定における微調整軌道予測モデルを提案する。
  論文  参考訳（メタデータ） (2025-07-03T07:59:49Z)
• Building Real-time Awareness of Out-of-distribution in Trajectory Prediction for Autonomous Vehicles [9.009998323918621]
  十分に訓練された機械学習モデルでさえ、トレーニングデータと推論中に遭遇する実世界の条件の相違により、信頼性の低い予測を生成する可能性がある。 我々は,OOD検出を変更点検出問題としてフレーミングすることで,OOD検出の原理的リアルタイムアプローチを導入する。 我々の軽量なソリューションは、軌道予測推論中にいつでもOODの発生を処理できる。
  論文  参考訳（メタデータ） (2024-09-25T18:43:58Z)
• Certified Human Trajectory Prediction [66.1736456453465]
  本稿では,ロバスト性を保証する軌道予測に適した認証手法を提案する。 そこで本研究では, 拡散型トラジェクトリデノイザを提案し, 本手法に組み込むことにより, 性能低下を緩和する。 認定された予測器の精度と堅牢性を実証し、認定されていない予測器に対するそれらの優位性を強調する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• Knowledge-aware Graph Transformer for Pedestrian Trajectory Prediction [15.454206825258169]
  歩行者運動軌跡の予測は、自動運転車の経路計画と移動制御に不可欠である。 近年の深層学習に基づく予測手法は、主に軌跡履歴や歩行者間の相互作用などの情報を利用する。 本稿では,予測性能を向上させるためのグラフトランス構造を提案する。
  論文  参考訳（メタデータ） (2024-01-10T01:50:29Z)
• AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
  軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。 我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。 私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
  論文  参考訳（メタデータ） (2022-09-19T03:34:59Z)
• Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
  本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。 本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-04-28T07:37:21Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• Heterogeneous-Agent Trajectory Forecasting Incorporating Class Uncertainty [54.88405167739227]
  本稿では,エージェントのクラス確率を明示的に組み込んだヘテロジニアスエージェント軌道予測手法であるHAICUを提案する。 さらに,新たな挑戦的な実世界の自動運転データセットであるpupも紹介する。 軌道予測にクラス確率を組み込むことで,不確実性に直面した性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-04-26T10:28:34Z)
• Spatio-Temporal Graph Dual-Attention Network for Multi-Agent Prediction and Tracking [23.608125748229174]
  異種エージェントを含む多エージェント軌道予測のための汎用生成ニューラルシステムを提案する。 提案システムは, 軌道予測のための3つのベンチマークデータセット上で評価される。
  論文  参考訳（メタデータ） (2021-02-18T02:25:35Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)
• Social-WaGDAT: Interaction-aware Trajectory Prediction via Wasserstein Graph Double-Attention Network [29.289670231364788]
  本稿では,マルチエージェント軌道予測のためのジェネリック生成ニューラルシステムを提案する。 また、車両軌道予測に効率的なキネマティック拘束層を応用した。 提案システムは,軌道予測のための3つの公開ベンチマークデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2020-02-14T20:11:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。