論文の概要: Comparison of Pedestrian Prediction Models from Trajectory and
Appearance Data for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2305.15942v1
- Date: Thu, 25 May 2023 11:24:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 15:37:24.729158
- Title: Comparison of Pedestrian Prediction Models from Trajectory and
Appearance Data for Autonomous Driving
- Title(参考訳): 自律運転における軌跡からの歩行者予測モデルと外観データの比較
- Authors: Anthony Knittel, Morris Antonello, John Redford and Subramanian
Ramamoorthy
- Abstract要約: 歩行者の動きを予測できる能力は、自動運転車にとって重要な能力である。
都市環境では、歩行者は道路エリアに入り、運転のリスクが高い。
本研究は,歩行者予測のための軌跡のみと外観に基づく手法の比較評価を行う。
- 参考スコア(独自算出の注目度): 13.126949982768505
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ability to anticipate pedestrian motion changes is a critical capability
for autonomous vehicles. In urban environments, pedestrians may enter the road
area and create a high risk for driving, and it is important to identify these
cases. Typical predictors use the trajectory history to predict future motion,
however in cases of motion initiation, motion in the trajectory may only be
clearly visible after a delay, which can result in the pedestrian has entered
the road area before an accurate prediction can be made. Appearance data
includes useful information such as changes of gait, which are early indicators
of motion changes, and can inform trajectory prediction. This work presents a
comparative evaluation of trajectory-only and appearance-based methods for
pedestrian prediction, and introduces a new dataset experiment for prediction
using appearance. We create two trajectory and image datasets based on the
combination of image and trajectory sequences from the popular NuScenes
dataset, and examine prediction of trajectories using observed appearance to
influence futures. This shows some advantages over trajectory prediction alone,
although problems with the dataset prevent advantages of appearance-based
models from being shown. We describe methods for improving the dataset and
experiment to allow benefits of appearance-based models to be captured.
- Abstract(参考訳): 歩行者の動きの変化を予測する能力は、自動運転車にとって重要な能力である。
都市環境では、歩行者が道路エリアに入り、運転のリスクが高く、これらのケースを特定することが重要である。
典型的な予測者は、将来の動きを予測するために軌跡履歴を使用するが、運動開始時には、軌跡内の運動は遅延後にのみはっきりと見えるため、正確な予測を行う前に歩行者が道路エリアに入ることがある。
出現データは、初期の動きの変化の指標である歩行の変化などの有用な情報を含み、軌道予測を知らせる。
本研究は,歩行者予測のための軌跡のみと外観に基づく手法の比較評価を行い,外観予測のための新しいデータセット実験を提案する。
人気のあるnuscenesデータセットから画像と軌跡のシーケンスの組み合わせに基づいて2つの軌跡と画像データセットを作成し、観測された外観を用いて軌跡の予測を行い、未来に影響を与える。
これは軌跡予測のみよりもいくつかの利点を示しているが、データセットの問題により外観に基づくモデルの利点が示されない。
本稿では,データセット改善のための手法と,外観に基づくモデルの利点を捉えるための実験について述べる。
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) - Improving Trajectory Prediction in Dynamic Multi-Agent Environment by
Dropping Waypoints [9.385936248154987]
動作予測システムは、エージェントの将来の軌跡を予測するために、過去から空間的および時間的情報を学習する必要がある。
本稿では,軌道予測モデルのトレーニング中に時間的依存関係を明示的に組み込んだTWDを提案する。
NBA Sports VU, ETH-UCY, TrajNet++の3つのデータセットに対する提案手法の評価を行った。
論文 参考訳(メタデータ) (2023-09-29T15:48:35Z) - Pre-training on Synthetic Driving Data for Trajectory Prediction [64.16991399882477]
我々は,データ可用性の制限の下で一般的な軌道予測表現を学習することの課題に取り組むことを目的としている。
我々はHD-mapのグラフ表現を利用し、ベクトル変換を適用して地図を再構成する。
我々は、拡張シーンに基づく軌道を生成するためにルールベースのモデルを用いる。
論文 参考訳(メタデータ) (2023-09-18T19:49:22Z) - Action-based Contrastive Learning for Trajectory Prediction [4.675212251005813]
軌道予測は、自律運転など、人間のロボットのインタラクションを成功させる上で不可欠なタスクである。
本研究では,移動カメラを用いたファースト・パーソン・ビュー・セッティングにおける将来の歩行者軌跡予測の問題に対処する。
本稿では,歩行者行動情報を利用して学習軌跡埋め込みを改善する,新たな行動に基づくコントラスト学習損失を提案する。
論文 参考訳(メタデータ) (2022-07-18T15:02:27Z) - 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) - You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory
Prediction [52.442129609979794]
軌道予測のための最近の深層学習手法は有望な性能を示す。
そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。
本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
論文 参考訳(メタデータ) (2021-10-11T14:24:15Z) - Self-Supervised Action-Space Prediction for Automated Driving [0.0]
本稿では,自動走行のための新しい学習型マルチモーダル軌道予測アーキテクチャを提案する。
学習問題を加速度と操舵角の空間に投入することにより、運動論的に実現可能な予測を実現する。
提案手法は,都市交差点とラウンドアバウトを含む実世界のデータセットを用いて評価する。
論文 参考訳(メタデータ) (2021-09-21T08:27:56Z) - SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory
Prediction [64.16212996247943]
歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。
具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。
可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
論文 参考訳(メタデータ) (2021-04-04T03:17:42Z) - PePScenes: A Novel Dataset and Baseline for Pedestrian Action Prediction
in 3D [10.580548257913843]
nuScenesにフレーム毎の2D/3Dバウンディングボックスと動作アノテーションを追加して作成された新しい歩行者行動予測データセットを提案する。
また,歩行者横断行動予測のための様々なデータモダリティを組み込んだハイブリッドニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-12-14T18:13:44Z) - AutoTrajectory: Label-free Trajectory Extraction and Prediction from
Videos using Dynamic Points [92.91569287889203]
軌道抽出と予測のための新しいラベルなしアルゴリズムAutoTrajectoryを提案する。
動画中の移動物体をよりよく捉えるために,ダイナミックポイントを導入する。
ビデオ内の歩行者などの移動物体を表すインスタンスポイントに動的ポイントを集約する。
論文 参考訳(メタデータ) (2020-07-11T08:43:34Z) - Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。
本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。
歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
論文 参考訳(メタデータ) (2020-02-20T18:50:44Z)
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。