論文の概要: The 2nd Place Solution for 2023 Waymo Open Sim Agents Challenge
- arxiv url: http://arxiv.org/abs/2306.15914v1
- Date: Wed, 28 Jun 2023 04:33:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-29 15:56:49.452307
- Title: The 2nd Place Solution for 2023 Waymo Open Sim Agents Challenge
- Title(参考訳): 2023年Waymo Open Sim Agents Challengeの第2位
- Authors: Cheng Qian, Di Xiu, Minghao Tian
- Abstract要約: 本稿では,マルチエージェント動作をシミュレーションする簡易かつ効果的な自己回帰手法を提案する。
MTR+++は2023年のオープン・シム・エージェント・チャレンジ(WOSAC)において、リアリズム・メタ・メトリックの0.4697を達成しました。
また、MTR_Eと命名されたMTRに基づく改良モデルも提案されており、スコアは0.4911で、2023年6月25日現在、WOSACのリーダーボードで3位である。
- 参考スコア(独自算出の注目度): 8.821526792549648
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this technical report, we present the 2nd place solution of 2023 Waymo
Open Sim Agents Challenge (WOSAC)[4]. We propose a simple yet effective
autoregressive method for simulating multi-agent behaviors, which is built upon
a well-known multimodal motion forecasting framework called Motion Transformer
(MTR)[5] with postprocessing algorithms applied. Our submission named MTR+++
achieves 0.4697 on the Realism Meta metric in 2023 WOSAC. Besides, a modified
model based on MTR named MTR_E is proposed after the challenge, which has a
better score 0.4911 and is ranked the 3rd on the leaderboard of WOSAC as of
June 25, 2023.
- Abstract(参考訳): 本稿では,2023年のWaymo Open Sim Agents Challenge(WOSAC)[4]の2位となるソリューションを提示する。
本稿では,MTR(Motion Transformer)[5] という,マルチエージェントの動作をシミュレーションするシンプルな自己回帰手法を提案する。
我々の提出したMTR+++は2023 WOSACのRealism Metaメトリックで0.4697を達成しています。
また、MTR_Eと命名されたMTRに基づく改良モデルも提案されており、スコアは0.4911で、2023年6月25日現在、WOSACのリーダーボードで3位である。
関連論文リスト
- NMS Threshold matters for Ego4D Moment Queries -- 2nd place solution to
the Ego4D Moment Queries Challenge 2023 [8.674624972031387]
本報告では,Ego4D Moment Queries Challenge 2023について述べる。
私たちの提案では、時間的アクションローカライゼーションの最新のメソッドであるActionFormerを拡張しています。
私たちのソリューションは、平均mAPが26.62%、テストセットがtIoU=0.5で45.69%のRecall@1xで公開リーダボードで2位にランクされ、2023年の挑戦から強いベースラインをはるかに上回っている。
論文 参考訳(メタデータ) (2023-07-05T05:23:49Z) - MTR++: Multi-Agent Motion Prediction with Symmetric Scene Modeling and
Guided Intention Querying [110.83590008788745]
自律運転システムにとって、複雑な運転シナリオを理解し、情報的な決定を下すためには、動きの予測が不可欠である。
本稿では,これらの課題に対処するためのMotion TRansformer (MTR) フレームワークを提案する。
最初のMTRフレームワークは、学習可能な意図クエリを備えたトランスフォーマーエンコーダ-デコーダ構造を利用する。
複数のエージェントに対するマルチモーダル動作を同時に予測するMTR++フレームワークを導入する。
論文 参考訳(メタデータ) (2023-06-30T16:23:04Z) - Multiverse Transformer: 1st Place Solution for Waymo Open Sim Agents
Challenge 2023 [3.4520774137890555]
本報告では,オープン・シム・エージェント・チャレンジ(WOSAC)2023における第1位のソリューションについて述べる。
提案するMultiVerse Transformer for Agent Simulation (MVTA)は,トランスフォーマーに基づく動作予測手法を効果的に活用する。
本研究では,高度なリアリズムを持つシミュレーションを作成するために,新しいトレーニング手法とサンプリング手法を設計する。
論文 参考訳(メタデータ) (2023-06-20T20:01:07Z) - Collision Avoidance Detour for Multi-Agent Trajectory Forecasting [8.680676599607123]
2023年のオープンデータセットチャレンジ - Sim Agentsで3位を獲得したCollision Avoidance Detour(CAD)を紹介します。
動作予測因子化の要件を満たすため,有効な対象を,自律走行車(ADV),ワールドトラック・トゥ・予測,ワールドトラックの3つの排他的セットに分割する。
論文 参考訳(メタデータ) (2023-06-20T16:05:24Z) - The Waymo Open Sim Agents Challenge [37.69742145084953]
オープンシムエージェントチャレンジ(WOSAC)について紹介する。
この課題の目標は、自律運転のための行動モデルの評価と訓練に使用できる現実的なシミュレータの設計を刺激することである。
本研究は,様々なベースラインシミュレーション手法の結果を提示し,2023年大会へのいくつかの提案を解析する。
論文 参考訳(メタデータ) (2023-05-19T23:12:08Z) - MER 2023: Multi-label Learning, Modality Robustness, and Semi-Supervised
Learning [90.17500229142755]
第1回マルチモーダル感情認識チャレンジ(MER 2023)は、ACMマルチメディアで成功した。
本稿では、この課題の背景にある動機を紹介し、ベンチマークデータセットを説明し、参加者に関する統計情報を提供する。
この高品質なデータセットは、特に中国の研究コミュニティにとって、マルチモーダルな感情認識の新しいベンチマークになり得ると考えています。
論文 参考訳(メタデータ) (2023-04-18T13:23:42Z) - Motion Transformer with Global Intention Localization and Local Movement
Refinement [103.75625476231401]
動き TRansformer (MTR) は、大域的意図の局所化と局所的な動きの洗練の合同最適化として、動き予測をモデル化する。
MTRは、限界運動予測と関節運動予測の両方において最先端の性能を達成する。
論文 参考訳(メタデータ) (2022-09-27T16:23:14Z) - MTR-A: 1st Place Solution for 2022 Waymo Open Dataset Challenge --
Motion Prediction [103.75625476231401]
本稿では,複数モーダル動作予測のための新しいモーショントランスフォーマーフレームワークを提案する。
非最大圧縮による単純なモデルアンサンブル戦略を採用し、最終的な性能をさらに向上させる。
当社のアプローチは,2022年のオープンデータセットチャレンジにおける行動予測のリーダーボード上での1位を達成し,他の手法よりも優れたマージンを達成している。
論文 参考訳(メタデータ) (2022-09-20T23:03:22Z) - EATFormer: Improving Vision Transformer Inspired by Evolutionary Algorithm [111.17100512647619]
本稿では、実証された実用的な進化的アルゴリズム(EA)と類似した視覚変換器の合理性を説明する。
提案する emphEA ベースの Transformer (EAT) ブロックのみを含む新しいピラミッド EATFormer バックボーンを提案する。
論文 参考訳(メタデータ) (2022-06-19T04:49:35Z) - USACv20: robust essential, fundamental and homography matrix estimation [68.65610177368617]
最新のRANSACのような仮説と検証の堅牢な推定器をレビューします。
最高のパフォーマンスは、Universal Sample Consensus (USAC)アルゴリズムの最先端バージョンを作成するために組み合わせられる。
提案手法であるUSACv20は、公開された8つの実世界のデータセットでテストされる。
論文 参考訳(メタデータ) (2021-04-11T16:27:02Z)
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。