TBD Pedestrian Data Collection: Towards Rich, Portable, and Large-Scale Natural Pedestrian Data

要約

ソーシャル ナビゲーションと歩行者行動の研究は、機械学習ベースの手法に移行し、歩行者間の相互作用や歩行者とロボットの相互作用のモデル化というテーマに集中しています。
このためには、豊富な情報を含む大規模なデータセットが必要です。
半自律的なラベル付けパイプラインと組み合わせたポータブル データ収集システムについて説明します。
パイプラインの一部として、自動歩行者追跡結果の人による検証を容易にするラベル修正 Web アプリを設計しました。
当社のシステムは、多様な環境での大規模なデータ収集と高速なラベル生産を可能にします。
既存の歩行者データ収集方法と比較して、当社のシステムには 3 つのコンポーネントが含まれています。トップダウンと自己中心的な視点の組み合わせ、社会的に適切な「ロボット」の存在下での人間の自然な行動、およびメートル空間に基づいた人間が検証したラベルです。
。
私たちの知る限り、これまでのデータ収集システムには 3 つのコンポーネントすべてを組み合わせたものはありません。
さらに、進行中のデータ収集活動から拡大し続けるデータセットである TBD 歩行者データセットを紹介し、収集されたデータの規模が大きく、人間が検証したラベルが付いた以前のデータセットと比較してより豊富な情報が含まれており、新たな研究の機会をサポートしていることを示します。
。

要約(オリジナル)

Social navigation and pedestrian behavior research has shifted towards machine learning-based methods and converged on the topic of modeling inter-pedestrian interactions and pedestrian-robot interactions. For this, large-scale datasets that contain rich information are needed. We describe a portable data collection system, coupled with a semi-autonomous labeling pipeline. As part of the pipeline, we designed a label correction web app that facilitates human verification of automated pedestrian tracking outcomes. Our system enables large-scale data collection in diverse environments and fast trajectory label production. Compared with existing pedestrian data collection methods, our system contains three components: a combination of top-down and ego-centric views, natural human behavior in the presence of a socially appropriate ‘robot’, and human-verified labels grounded in the metric space. To the best of our knowledge, no prior data collection system has a combination of all three components. We further introduce our ever-expanding dataset from the ongoing data collection effort — the TBD Pedestrian Dataset and show that our collected data is larger in scale, contains richer information when compared to prior datasets with human-verified labels, and supports new research opportunities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google