Evaluating Pedestrian Trajectory Prediction Methods for the Application in Autonomous Driving

要約

この論文では、自動運転車への適用可能性に関して、歩行者軌跡予測分野の最先端技術を等速度モデル (CVM) と並行して評価します。
評価は広く使用されている ETH/UCY データセットで実行され、平均変位誤差 (ADE) と最終変位誤差 (FDE) が報告されます。
実際のアプリケーションの要件に合わせるために、最初に提案されたモデルの入力特徴に変更が加えられます。
アブレーション研究は、観察された動作履歴が予測パフォーマンスに及ぼす影響を調べるために実施され、それによってその影響についての理解を深めることができます。
さらに、さまざまな量のエージェントに直面したときの各モデルのスケーラビリティを評価するために、各モデルの推論時間が測定されます。
この結果は、単一の軌道を生成する場合には単純なモデルが競争力を維持し、一般に有用であると考えられている特定の機能が、異なるアーキテクチャ間で全体的なパフォーマンスにほとんど影響を与えないことを示しています。
これらの発見に基づいて、軌道予測アルゴリズムの将来の開発を導くための推奨事項が提案されます。

要約(オリジナル)

In this paper, the state of the art in the field of pedestrian trajectory prediction is evaluated alongside the constant velocity model (CVM) with respect to its applicability in autonomous vehicles. The evaluation is conducted on the widely-used ETH/UCY dataset where the Average Displacement Error (ADE) and the Final Displacement Error (FDE) are reported. To align with requirements in real-world applications, modifications are made to the input features of the initially proposed models. An ablation study is conducted to examine the influence of the observed motion history on the prediction performance, thereby establishing a better understanding of its impact. Additionally, the inference time of each model is measured to evaluate the scalability of each model when confronted with varying amounts of agents. The results demonstrate that simple models remain competitive when generating single trajectories, and certain features commonly thought of as useful have little impact on the overall performance across different architectures. Based on these findings, recommendations are proposed to guide the future development of trajectory prediction algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google