JRDB-Traj: 面向人群轨迹预测的数据集与基准
机器人学
2023-11-07 v1 计算机视觉与模式识别
摘要
预测未来轨迹在自主导航中至关重要，尤其在预防涉及行人的事故时，预测智能体提前预判的能力最为关键。用于机器人、自主车辆与导航等领域的轨迹预测模型在真实场景中面临挑战，往往源于模型各组件的相互孤立。为此，我们引入一个用于端到端轨迹预测的新数据集，便于在跟踪等不理想前置模块存在的场景下评估模型。该数据集是 JRDB 数据集的扩展，提供包括所有智能体位置、场景图像与点云在内的全面数据，且均从机器人视角获取。目标是利用原始感官输入数据预测相对于机器人的智能体未来位置。它弥合了孤立模型与实际应用之间的鸿沟，增进对导航动力学的理解。此外，我们提出一种新指标，用于在真实场景（真实身份不可获取）下评估轨迹预测模型，解决未检测到或过度检测智能体相关问题。我们鼓励研究者使用我们的基准进行模型评估与比对。
引用
@article{arxiv.2311.02736,
title = {JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds},
author = {Saeed Saadatnejad and Yang Gao and Hamid Rezatofighi and Alexandre Alahi},
journal= {arXiv preprint arXiv:2311.02736},
year = {2023}
}