Nov, 2023

JRDB-Traj：人群轨迹预测数据集与基准

PDF
TL;DR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。
trajectory forecastingautonomous navigationdatasetend-to-endmodel evaluation
发现论文，激发创造
  • JRDB-Pose: 一个用于多人姿态估计与跟踪的大规模数据集

    介绍了 JRDB-Pose 数据集，该数据集是一个使用社交导航机器人拍摄的大规模数据集，并包括拥挤室内外位置和各种尺度和遮挡类型的挑战场景，可用于多人姿态估计和跟踪的基准测试，为自主机器人系统在人类环境中的操作和决策提供深入理解的支持。

    Oct, 2022

  • JRDB-PanoTrack: 拥挤人类环境中的开放式全景分割和追踪机器人数据集

    自主机器人系统研究中，环境理解是机器人导航、人机交互和决策的关键步骤。本文介绍了一种新的开放世界全景分割和跟踪基准数据集 JRDB-PanoTrack，旨在提供更全面的环境感知。该数据集包含室内和室外拥挤场景的多种数据、包括 2D 和 3D 同步数据模态；高质量的 2D 空间全景分割和时间跟踪标注，并附加 3D 标签投影以进一步提供空间理解；适用于封闭世界和开放世界识别基准的各种对象类别，使用基于 OSPA 的度量进行评估。对主要方法的广泛评估表明，我们的数据集提出了重要挑战。

    Apr, 2024

  • JRDB：建筑环境下人类自我中心机器人视觉感知数据集及基准

    介绍了 JRDB 数据集，该数据集是从社交机器人 JackRabbot 采集的一系列包括 RGB 视频、点云、音频信号等多模态数据，并标记了超过 230 万个包围框及 3500 个时间连续轨迹，其可用于研究以机器人视角为主的视觉算法、人物探测和自主导航等领域。

    Oct, 2019

  • 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

  • JRDB-Social：一个用于理解社交群体内人际互动的多方面机器人数据集

    通过引入 JRDB-Social 数据集，本研究利用最新的多模态大语言模型来评估其解读社会人类行为能力，以加深我们对于人类社会动态在机器人应用中的理解。

    Apr, 2024

  • 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

  • 联合互动导航的扩散模型

    通过 DJINN 扩散方法，本文在模拟自动驾驶系统中生成交通场景，改善实际情境收集的昂贵性，实现了目标轨迹预测中的最先进效果。同时展示了 DJINN 如何灵活地从各种有价值的条件分布中进行直接测试抽样，包括基于目标、行为类别和场景编辑等。

    Sep, 2023

  • Trajectron：具备动态时空图的概率多智体轨迹建模

    研究人员开发了一种基于图结构的 Trajectron 模型，利用递归序列建模和变分深度生成建模来预测多个代理的未来轨迹，通过多个数据集的结果表明其性能达到了最佳，并引入了一个新的指标用于比较输出分布的模型。

    Oct, 2018

  • JRMOT: 实时三维多目标跟踪器及新的大规模数据集

    本研究提出了一种新的 3D MOT 系统，通过整合来自 RGB 图像和 3D 点云的信息，融合了联合概率数据关联框架，实现了实时，最先进的跟踪性能，并发布了一个包括 2 百万个框和 3500 个一致的 2D + 3D 轨迹的大规模数据集，该数据集被命名为 JRDB，并在多个设置下进行了测试，从而成为了目前最先进的多对象跟踪解决方案之一。

    Feb, 2020

  • 面向自动驾驶的大规模交互式运动预测：Waymo 开放运动数据集

    该研究介绍了当前最全面的交互式动作数据集，包含超过 100,000 个场景，用于发展动作规划模型与提供强大的基线模型来对单独或多个交互式对象进行预测，并提供了新的度量方法。

    Apr, 2021