論文の概要: Evaluating Pedestrian Trajectory Prediction Methods for the Application
in Autonomous Driving
- arxiv url: http://arxiv.org/abs/2308.05194v2
- Date: Wed, 10 Jan 2024 15:12:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-11 17:16:43.317276
- Title: Evaluating Pedestrian Trajectory Prediction Methods for the Application
in Autonomous Driving
- Title(参考訳): 歩行者軌道予測手法の評価と自律運転への応用
- Authors: Nico Uhlemann, Felix Fent, Markus Lienkamp
- Abstract要約: 本稿では,単一軌跡生成の文脈における歩行者軌跡予測における技術の現状を評価する。
評価は、平均変位誤差(ADE)と最終変位誤差(FDE)を報告した広く使われているETH/UCYデータセット上で行われる。
- 参考スコア(独自算出の注目度): 1.03590082373586
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we assess the state of the art in pedestrian trajectory
prediction within the context of generating single trajectories, a critical
aspect aligning with the requirements in autonomous systems. The evaluation is
conducted on the widely-used ETH/UCY dataset where the Average Displacement
Error (ADE) and the Final Displacement Error (FDE) are reported. Alongside
this, we perform an ablation study to investigate the impact of the observed
motion history on prediction performance. To evaluate the scalability of each
approach when confronted with varying amounts of agents, the inference time of
each model is measured. Following a quantitative analysis, the resulting
predictions are compared in a qualitative manner, giving insight into the
strengths and weaknesses of current approaches. The results demonstrate that
although a constant velocity model (CVM) provides a good approximation of the
overall dynamics in the majority of cases, additional features need to be
incorporated to reflect common pedestrian behavior observed. Therefore, this
study presents a data-driven analysis with the intent to guide the future
development of pedestrian trajectory prediction algorithms.
- Abstract(参考訳): 本稿では,自律システムにおける要件に沿った重要な側面である,単一軌跡生成の文脈における歩行者軌跡予測技術の現状を評価する。
評価は、平均変位誤差(ADE)と最終変位誤差(FDE)を報告した広く使われているETH/UCYデータセット上で行われる。
同時に,観測された動作履歴が予測性能に与える影響について,アブレーション研究を行った。
種々のエージェントと対向する各アプローチのスケーラビリティを評価するために、各モデルの推測時間を測定する。
定量的分析の後、得られた予測は質的な方法で比較され、現在のアプローチの強みと弱みについて洞察を与える。
その結果、定速度モデル(CVM)は、ほとんどの場合において、全体的なダイナミクスを適切に近似するが、観察される一般的な歩行者行動の反映として追加の機能を組み込む必要があることが示された。
そこで本研究では,歩行者追跡予測アルゴリズムの今後の展開を導こうとするデータ駆動解析を提案する。
関連論文リスト
- Towards Generalizable and Interpretable Motion Prediction: A Deep
Variational Bayes Approach [54.429396802848224]
本稿では,分布外ケースに対する頑健な一般化性を有する動き予測のための解釈可能な生成モデルを提案する。
このモデルでは, 長期目的地の空間分布を推定することにより, 目標駆動動作予測を実現する。
動き予測データセットの実験は、適合したモデルが解釈可能で一般化可能であることを検証した。
論文 参考訳(メタデータ) (2024-03-10T04:16:04Z) - JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳(メタデータ) (2023-11-05T18:59:31Z) - Benchmark for Models Predicting Human Behavior in Gap Acceptance
Scenarios [4.801975818473341]
我々は、どんなモデルでも、どんなメトリクスでも、どんなシナリオでも、容易に評価できるフレームワークを開発します。
次に、このフレームワークを最先端の予測モデルに適用する。
論文 参考訳(メタデータ) (2022-11-10T09:59:38Z) - Scenario-based Evaluation of Prediction Models for Automated Vehicles [0.0]
自動運転車の安全性評価における評価の実践はシナリオベースで実施されるべきである。
オープンモーションデータセットの軌跡を捉えた動きの種類に応じて分類する。
その結果, 共通評価手法は不十分であり, モデルが動作するアプリケーションに応じて評価を行う必要があることがわかった。
論文 参考訳(メタデータ) (2022-10-11T09:45:43Z) - Uncertainty estimation of pedestrian future trajectory using Bayesian
approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。
著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。
将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文 参考訳(メタデータ) (2022-05-04T04:23:38Z) - Machine-Learned Prediction Equilibrium for Dynamic Traffic Assignment [3.704832909610284]
本研究では,リアルタイム遅延予測に基づいて,エージェントが瞬時にルーティング決定を行う動的トラフィック割り当てモデルについて検討する。
数学的に簡潔なモデルと、動的予測平衡が存在することを保証する予測子の導出特性を定式化する。
論文 参考訳(メタデータ) (2021-09-14T14:27:09Z) - 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) - Learning Prediction Intervals for Model Performance [1.433758865948252]
モデル性能の予測間隔を計算する手法を提案する。
我々は,幅広いドリフト条件におけるアプローチを評価し,競合ベースラインよりも大幅に改善することを示す。
論文 参考訳(メタデータ) (2020-12-15T21:32:03Z) - Counterfactual Predictions under Runtime Confounding [74.90756694584839]
本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。
本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
論文 参考訳(メタデータ) (2020-06-30T15:49:05Z) - Performance metrics for intervention-triggering prediction models do not
reflect an expected reduction in outcomes from using the model [71.9860741092209]
臨床研究者はしばしばリスク予測モデルの中から選択し評価する。
振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。
予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
論文 参考訳(メタデータ) (2020-06-02T16:26:49Z)
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。