TPT-Bench：用于基准测试的大规模、长期且机器人自我观察的目标人跟踪数据集
机器人学
2025-07-10 v2
摘要
从机器人自我观察视角跟踪目标人是开发持续提供个性化帮助或协作的自主机器人的关键, 尤其是在人机交互(HRI)和具身人工智能领域。然而, 目前大多数目标人跟踪(TPT)基准数据集限制于受控实验室环境, 仅包含少量干扰因素、干净背景以及短暂遮挡。本文引入一个大规模数据集, 旨在实现TPT在拥挤且非结构化环境中的跟踪, 通过机器人-人跟随任务进行展示。该数据集由人推着装有传感器的推车跟随目标人收集, 捕获类人跟随行为, 并突出长期跟踪挑战, 包括频繁遮挡以及从众多行人中进行重识别的需求。数据集包含多模态数据流, 包括里程计、3D激光雷达、惯性测量单元(IMU)、全景图像和RGB-D图像, 并对48个序列(室内外均有)中目标人的2D边界框进行详尽标注。利用该数据集和视觉标注, 我们对现有SOTA TPT方法进行了大规模实验, 对其局限性进行了深入分析, 并提出了未来研究方向的建议。
关键词
引用
@article{arxiv.2505.07446,
title = {TPT-Bench: A Large-Scale, Long-Term and Robot-Egocentric Dataset for Benchmarking Target Person Tracking},
author = {Hanjing Ye and Yu Zhan and Weixi Situ and Guangcheng Chen and Jingwen Yu and Ziqi Zhao and Kuanqi Cai and Arash Ajoudani and Hong Zhang},
journal= {arXiv preprint arXiv:2505.07446},
year = {2025}
}
备注
Under review. web: https://medlartea.github.io/tpt-bench/