論文の概要: MTP: Multi-Hypothesis Tracking and Prediction for Reduced Error Propagation

• arxiv url: http://arxiv.org/abs/2110.09481v1
• Date: Mon, 18 Oct 2021 17:30:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-10-19 20:52:51.978899
• Title: MTP: Multi-Hypothesis Tracking and Prediction for Reduced Error Propagation
• Title（参考訳）: mtp:マルチハイポテーゼ追跡と誤差伝播の予測
• Authors: Xinshuo Weng and Boris Ivanovic and Marco Pavone
• Abstract要約: 本稿では,トラッキングモジュールと予測モジュールの結合に着目し,カスケードエラーの問題に対処する。 最先端の追跡・予測ツールを用いて,追跡による誤差が予測性能に与える影響を総合的に評価した。 このフレームワークは、nuScenesデータセット上で標準の単一仮説追跡予測パイプラインを最大34.2%改善する。
• 参考スコア（独自算出の注目度）: 39.41917241231786
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recently, there has been tremendous progress in developing each individual module of the standard perception-planning robot autonomy pipeline, including detection, tracking, prediction of other agents' trajectories, and ego-agent trajectory planning. Nevertheless, there has been less attention given to the principled integration of these components, particularly in terms of the characterization and mitigation of cascading errors. This paper addresses the problem of cascading errors by focusing on the coupling between the tracking and prediction modules. First, by using state-of-the-art tracking and prediction tools, we conduct a comprehensive experimental evaluation of how severely errors stemming from tracking can impact prediction performance. On the KITTI and nuScenes datasets, we find that predictions consuming tracked trajectories as inputs (the typical case in practice) can experience a significant (even order of magnitude) drop in performance in comparison to the idealized setting where ground truth past trajectories are used as inputs. To address this issue, we propose a multi-hypothesis tracking and prediction framework. Rather than relying on a single set of tracking results for prediction, our framework simultaneously reasons about multiple sets of tracking results, thereby increasing the likelihood of including accurate tracking results as inputs to prediction. We show that this framework improves overall prediction performance over the standard single-hypothesis tracking-prediction pipeline by up to 34.2% on the nuScenes dataset, with even more significant improvements (up to ~70%) when restricting the evaluation to challenging scenarios involving identity switches and fragments -- all with an acceptable computation overhead.
• Abstract（参考訳）: 近年では、検出、追跡、他のエージェントの軌道予測、エゴエージェントの軌道計画など、標準的な知覚計画ロボット自律パイプラインの個々のモジュールの開発が著しく進展している。 それでも、特にカスケードエラーのキャラクタリゼーションと緩和の観点から、これらのコンポーネントの原則的な統合にはあまり注意が払われていない。 本稿では,追跡モジュールと予測モジュールの結合に着目し,カスケードエラーの問題に対処する。 まず,最先端のトラッキングと予測ツールを用いて,追跡に起因する重大なエラーが予測性能に与える影響を総合的に評価する。 KITTI と nuScenes のデータセットでは,トラックトラジェクトリを入力として消費する予測(実際は典型例)が,地上の真実を過去のトラジェクトリを入力として使用する理想的な設定と比較して,顕著な(たとえ桁違いであっても)性能低下を経験できることがわかった。 この問題に対処するために,多仮説追跡・予測フレームワークを提案する。 予測のために単一の追跡結果セットに頼るのではなく、複数の追跡結果セットを同時に考慮し、予測への入力として正確な追跡結果を含める可能性を高める。 このフレームワークは、nuScenesデータセットで標準の単一仮説追跡予測パイプラインの全体的な予測性能を最大34.2%向上させ、評価をアイデンティティスイッチとフラグメントを含む困難なシナリオに制限した場合、さらに大きな改善(最大70%)を行う。

関連論文リスト

• 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)
• An End-to-End Framework of Road User Detection, Tracking, and Prediction from Monocular Images [11.733622044569486]
  我々はODTPと呼ばれる検出、追跡、軌道予測のためのエンドツーエンドのフレームワークを構築している。 検出結果に基づいて、トラジェクトリ予測器であるDCENet++を認識および訓練するために、最先端のオンラインマルチオブジェクト追跡モデルであるQD-3DTを採用している。 本研究では,自律運転に広く利用されているnuScenesデータセット上でのODTPの性能を評価する。
  論文  参考訳（メタデータ） (2023-08-09T15:46:25Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Generalizability Analysis of Graph-based Trajectory Predictor with Vectorized Representation [29.623692599892365]
  軌道予測は自動運転車にとって不可欠な課題の1つである。 機械学習の最近の進歩は、一連の高度な軌道予測アルゴリズムを生み出した。
  論文  参考訳（メタデータ） (2022-08-06T20:19:52Z)
• 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)
• Transforming Model Prediction for Tracking [109.08417327309937]
  トランスフォーマーは、誘導バイアスの少ないグローバルな関係を捉え、より強力なターゲットモデルの予測を学ぶことができる。 提案したトラッカーをエンドツーエンドにトレーニングし、複数のトラッカーデータセットに関する総合的な実験を行うことで、その性能を検証する。 我々のトラッカーは3つのベンチマークで新しい技術状態を設定し、挑戦的なLaSOTデータセットで68.5%のAUCを達成した。
  論文  参考訳（メタデータ） (2022-03-21T17:59:40Z)
• 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)
• Towards Robust Human Trajectory Prediction in Raw Videos [8.301214274565819]
  生ビデオにおける人間の軌道予測の問題について検討する。 予測精度は,種々のトラッキングエラーの影響を受けやすいことを示す。 本稿では,予測整合性を時間とともに強制することにより,トラッキング障害を修正するための簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2021-08-18T17:27:26Z)

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。