Vision-based Multi-future Trajectory Prediction: A Survey

要約

ビジョンベースの軌道予測は、自律システムの安全でインテリジェントな行動をサポートする重要なタスクです。
長年にわたって多くの高度なアプローチが提案されており、空間的および時間的特徴抽出が改善されています。
しかし、人間の行動は自然に多様で不確実です。
過去の軌跡と周囲の環境情報を考えると、エージェントは将来的に複数のもっともらしい軌跡を持つことができます。
この問題に取り組むために、Multi-Future Traujectory Prediction（MTP）という名前の重要なタスクが最近研究されました。
このタスクは、各エージェントの将来の予測の多様で許容可能な説明可能な分布を生成することを目的としています。
この論文では、MTPの最初の調査を、独自の分類法と、フレームワーク、データセット、評価メトリックの包括的な分析を紹介します。
また、既存のMTPデータセットのモデルを比較し、ForkingPathデータセットで実験を実施します。
最後に、研究者がMTPに似た新しい多様な軌道予測システムやその他の多様な学習タスクを開発するのに役立つ複数の将来の方向性について説明します。

要約(オリジナル)

Vision-based trajectory prediction is an important task that supports safe and intelligent behaviours in autonomous systems. Many advanced approaches have been proposed over the years with improved spatial and temporal feature extraction. However, human behaviour is naturally diverse and uncertain. Given the past trajectory and surrounding environment information, an agent can have multiple plausible trajectories in the future. To tackle this problem, an essential task named multi-future trajectory prediction (MTP) has recently been studied. This task aims to generate a diverse, acceptable and explainable distribution of future predictions for each agent. In this paper, we present the first survey for MTP with our unique taxonomies and a comprehensive analysis of frameworks, datasets and evaluation metrics. We also compare models on existing MTP datasets and conduct experiments on the ForkingPath dataset. Finally, we discuss multiple future directions that can help researchers develop novel multi-future trajectory prediction systems and other diverse learning tasks similar to MTP.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google