Evaluating Human Trajectory Prediction with Metamorphic Testing

要約

人間の軌跡の予測は、現実世界で機能する自律システムの計画を立てるために重要です。
自動運転とか移動ロボットとか。
人間の軌跡の予測はノイズの多いプロセスであり、将来の軌跡と正確に一致する予測はありません。
したがって、これは確率論的な問題としてアプローチされ、目標は、実際の軌道と予測された軌道の間の誤差を最小限に抑えることです。
この研究では、人間の軌跡を予測するためのメタモーフィック テストの応用を検討します。
メタモーフィック テストは、不明確または欠落しているテスト オラクルを処理するように設計されています。
これは、人間の行動が正しいか正しくないかの明確な基準が存在しない人間の軌跡予測用にうまく設計されています。
変形関係は、ソース テスト ケースに対する変換に依存し、不変条件を利用します。
人間の軌跡予測のために適切に設計された設定。入力の変化の下で予想される人間の行動には多くの対称性があります。
入力データのミラーリングと再スケーリング。
私たちは、変成テストを確率論的な人間の軌跡予測にどのように適用できるかを議論し、追跡テスト ケースがラベル保存変成関係に違反するかどうかを統計的に評価するための Wasserstein 違反基準を導入します。

要約(オリジナル)

The prediction of human trajectories is important for planning in autonomous systems that act in the real world, e.g. automated driving or mobile robots. Human trajectory prediction is a noisy process, and no prediction does precisely match any future trajectory. It is therefore approached as a stochastic problem, where the goal is to minimise the error between the true and the predicted trajectory. In this work, we explore the application of metamorphic testing for human trajectory prediction. Metamorphic testing is designed to handle unclear or missing test oracles. It is well-designed for human trajectory prediction, where there is no clear criterion of correct or incorrect human behaviour. Metamorphic relations rely on transformations over source test cases and exploit invariants. A setting well-designed for human trajectory prediction where there are many symmetries of expected human behaviour under variations of the input, e.g. mirroring and rescaling of the input data. We discuss how metamorphic testing can be applied to stochastic human trajectory prediction and introduce the Wasserstein Violation Criterion to statistically assess whether a follow-up test case violates a label-preserving metamorphic relation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google