TBD 行人数据收集:迈向丰富、可移植且大规模的自然行人数据

社交导航与行人行为研究已转向基于机器学习的方法,并聚焦于建模行人间交互与行人-机器人交互这一主题。为此,需要包含丰富信息的大规模数据集。我们描述了一个可移植的数据收集系统,配合半自动标注流水线。作为流水线的一部分,我们设计了一个标签校正 Web 应用,便于人工核验自动化行人跟踪结果。我们的系统支持在多样环境中大规模收集数据并快速生成轨迹标签。相较现有行人数据收集方法,我们的系统包含三个组件:俯视与自我中心视角的结合、在社交适宜的“机器人”在场下的自然人类行为,以及基于度量空间的人工核验标签。据我们所知,此前无数据收集系统同时具备这三组件。我们进一步介绍正在持续收集、不断扩展的数据集——TBD 行人数据集,并表明所收集数据在规模上更大、相较于先前带人工核验标签的数据集包含更丰富信息,且支持新的研究机会。