3Dレーダーを用いた物体検出は、360度の自動車視覚にとって重要ですが、長い波長により、従来のグリッドやシーケンスベースの検出器に課題をもたらします。本論文では、レーダーで感知された物体をグラフとしてモデル化する注意ベースのフレームワーク「グラフクエリネットワーク（GQN）」を提案しています。GQNは、動的に鳥瞰図ベースの空間に注意を向け、関係性推論のための「EdgeFocus」や文脈集約のための「DeepContext Pooling」などの2つの新しいモジュールを用いて物体固有のグラフを構築します。実験では、NuScenesデータセットにおいてGQNが相対的なmAPを最大53%改善し、最も強力な先行レーダー法に対しても8.2%の向上を示しました。さらに、ピーク時のグラフ構築オーバーヘッドを80%削減し、適度なFLOPsコストを維持しています。