Jul, 2023

trajdata：多个人类轨迹数据集的统一接口

PDF
TL;DR基于大规模真实人类轨迹数据集，该研究提出了 trajdata，以提供一个统一的界面和 API，用于训练和评估人类轨迹预测方法，从而加深对当前行人和自动驾驶运动预测研究的数据基础的理解，并提出了未来数据集的建议。
trajectory forecastinghuman trajectory datasetsautonomous vehiclespedestrian motion trackingtrajdata
发现论文，激发创造
  • UniTraj：基于可扩展车辆轨迹预测的统一框架

    UniTraj 是一个统一各种数据集、模型和评估标准的综合框架，通过扩大数据规模和多样性可以显著提高车辆轨迹预测模型的性能，并且在 nuScenes 数据集上取得了最新的最佳结果。

    Mar, 2024

  • 无人机数据集轨迹预测研究的预处理和评估工具箱

    为了简化比较分析，本论文强调了标准化特定数据集在自动驾驶车辆行为预测算法研究中的使用，并提出了一套工具和实践方法。通过广泛经验和综述当前文献，我们总结了一套预处理、可视化和评估的建议，形成了一个开源工具箱，供研究轨迹预测问题的研究人员使用。清晰的预处理步骤和评估指标的规范旨在减轻开发工作量，并促进不同研究结果的比较。该工具箱可在此链接获取：this https URL

    May, 2024

  • OpenTraj: 评估人类轨迹数据集中预测复杂度

    本文提出了一种评估给定数据集相对于预测问题复杂度的方法，从轨迹可预测性、轨迹规律性和上下文复杂性三个方面定义了一系列指标，并将最常用的人类轨迹预测数据集进行了比较，旨在探讨这对 HTP 算法基准测试的影响。我们的源代码在 Github 上公开发布。

    Oct, 2020

  • JRDB-Traj：人群轨迹预测数据集与基准

    通过引入一个新的数据集和评估标准，这篇论文介绍了一种用于自主导航系统中轨迹预测的模型，旨在解决实际应用场景中隔离模型所面临的挑战，并促进对导航动态的深入理解。

    Nov, 2023

  • Trajectron++：具动态可行性的混合数据轨迹预测

    Trajectron++ 是一个模块化的、图形结构的循环模型，它可以预测多个不同智能体的运动轨迹，同时考虑智能体的动态及不同的数据（例如，语义地图），它与机器人规划和控制框架紧密集成，能够在多个具有挑战性的真实轨迹预测数据集中表现出更好的性能。

    Jan, 2020

  • 使用机器标注的训练数据预测行人轨迹

    本篇论文提出使用单个车载摄像头的深度学习方法预测行人轨迹，通过引入可扩展的机器注释方案来解决训练数据不足的问题，并提出了动态轨迹预测器（DTP）来预测未来一秒的行人轨迹，实验证实了该模型的好处。

    May, 2019

  • 人类轨迹预测认证

    基于认证方法的轨迹预测模型提供了对于自主驾驶车辆中的鲁棒性问题、对抗性攻击和嘈杂观测的有效解决方案。

    Mar, 2024

  • 基于轨迹和外观数据的行人预测模型在自动驾驶中的比较

    本文研究在城市环境中自主车辆的预测能力，提出了基于轨迹和外观数据的人行预测方法，并进行了比较评估和数据实验。

    May, 2023

  • TBD 行人数据收集：朝着丰富、便携和大规模的自然行人数据

    我们设计了一个便携的数据采集系统，结合了自主标注流水线，通过一个标签修正的网络应用来实现对自动行人跟踪结果的人工验证，在多个环境下实现大规模数据采集和快速轨迹标签生产。与现有行人数据采集方法相比，我们的系统具备了自上而下和自我中心视图的组合、在社交适宜的 “机器人” 情境下的自然人类行为以及基于度量空间的经过人工验证的标签，是第一个同时集成这三个组成部分的数据采集系统。我们进一步介绍了我们正在进行的数据采集工作的不断扩展的数据集 ——TBD 行人数据集，并展示了与具有人工验证标签的先前数据集相比我们采集的数据更大规模、包含更丰富信息，并支持新的研究机会。

    Sep, 2023

  • 驾驶员安全：短期轨迹预测在自动驾驶车辆中的作用

    本研究使用 CARLA 模拟器开发了一个合成数据集，并使用卷积神经网络创建了一种端到端的短期轨迹预测模型，使得自动驾驶汽车能够更好地应对复杂情境，如行人穿越马路，车辆超车等，同时免去了对环境的显式编码。

    Jul, 2023