Evaluating Pedestrian Trajectory Prediction Methods with Respect to Autonomous Driving

要約

この論文では、自律システムの要件に合わせた重要な側面である単一軌道の生成というコンテキスト内での歩行者軌道予測の最先端技術を評価します。
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。
これと並行して、アブレーション研究を実行して、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査します。
さまざまな量のエージェントに直面したときの各アプローチ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。
定量的分析に続いて、結果として得られた予測が定性的な方法で比較され、現在のアプローチの長所と短所についての洞察が得られます。
この結果は、等速モデル (CVM) はほとんどの場合、全体的なダイナミクスの適切な近似を提供しますが、観察される一般的な歩行者の行動を反映するには追加の機能を組み込む必要があることを示しています。
したがって、この研究では、歩行者軌跡予測アルゴリズムの将来の開発を導くことを目的としたデータ駆動型分析を紹介します。

要約(オリジナル)

In this paper, we assess the state of the art in pedestrian trajectory prediction within the context of generating single trajectories, a critical aspect aligning with the requirements in autonomous systems. 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. Alongside this, we perform an ablation study to investigate the impact of the observed motion history on prediction performance. To evaluate the scalability of each approach when confronted with varying amounts of agents, the inference time of each model is measured. Following a quantitative analysis, the resulting predictions are compared in a qualitative manner, giving insight into the strengths and weaknesses of current approaches. The results demonstrate that although a constant velocity model (CVM) provides a good approximation of the overall dynamics in the majority of cases, additional features need to be incorporated to reflect common pedestrian behavior observed. Therefore, this study presents a data-driven analysis with the intent to guide the future development of pedestrian trajectory prediction algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google