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
计算机视觉与模式识别
2021-04-21 v1 机器学习
机器人学
摘要
随着自动驾驶系统的成熟，运动预测作为规划的关键需求受到越来越多的关注。尤其重要的是诸如合流、无保护转弯等交互情形，此时仅预测单个物体运动并不充分，需要对多个物体进行联合预测以进行有效路径规划。业界一直迫切需要有丰富交互与标注的高质量运动数据来开发运动规划模型。在本工作中，我们引入了据我们所知最多样的交互式运动数据集，并提供适用于开发联合预测模型的交互物体特定标签。我们的新数据集包含超过 100,000 个场景，每个场景长 20 秒、频率为 10 Hz，在 1750 km 道路上包含超过 570 小时的独特数据。它通过在美国六座城市挖掘车辆、行人与骑行者之间的有趣交互而收集。我们使用高精度 3D 自动标注系统为每个道路智能体生成高质量 3D 边界框，并提供每个场景对应的高清 3D 地图。此外，我们引入了一套新指标，对单智能体与联合智能体交互运动预测模型提供全面评估。最后，我们为个体智能体预测与联合预测提供了强基线模型。我们希望这一新的大规模交互式运动数据集能为推进运动预测模型提供新机遇。
引用
@article{arxiv.2104.10133,
title = {Large Scale Interactive Motion Forecasting for Autonomous Driving : The Waymo Open Motion Dataset},
author = {Scott Ettinger and Shuyang Cheng and Benjamin Caine and Chenxi Liu and Hang Zhao and Sabeek Pradhan and Yuning Chai and Ben Sapp and Charles Qi and Yin Zhou and Zoey Yang and Aurelien Chouard and Pei Sun and Jiquan Ngiam and Vijay Vasudevan and Alexander McCauley and Jonathon Shlens and Dragomir Anguelov},
journal= {arXiv preprint arXiv:2104.10133},
year = {2021}
}
备注
15 pages, 10 figures