MEAT: Maneuver Extraction from Agent Trajectories

要約

学習ベースの軌道予測の進歩は、大規模なデータセットによって可能になります。
ただし、そのようなデータセットの詳細な分析は限られています。
さらに、予測モデルの評価は、データセット内のすべてのサンプルで平均化されたメトリックに制限されます。
このようなデータセット内のエージェントの軌道から操作（左折、車線変更など）を抽出できる自動化された方法論を提案します。
この方法では、エージェントのダイナミクスに関する情報と、エージェントが移動したレーンセグメントに関する情報を考慮します。
結果として得られた操作を分類ネットワークのトレーニングに使用することは可能ですが、広範な軌道データセット分析および複数の最先端の軌道予測モデルの操作固有の評価にそれらを例示的に使用します。
さらに、データセットの分析と、エージェントのダイナミクスに基づく予測モデルの評価が提供されます。

要約(オリジナル)

Advances in learning-based trajectory prediction are enabled by large-scale datasets. However, in-depth analysis of such datasets is limited. Moreover, the evaluation of prediction models is limited to metrics averaged over all samples in the dataset. We propose an automated methodology that allows to extract maneuvers (e.g., left turn, lane change) from agent trajectories in such datasets. The methodology considers information about the agent dynamics and information about the lane segments the agent traveled along. Although it is possible to use the resulting maneuvers for training classification networks, we exemplary use them for extensive trajectory dataset analysis and maneuver-specific evaluation of multiple state-of-the-art trajectory prediction models. Additionally, an analysis of the datasets and an evaluation of the prediction models based on the agent dynamics is provided.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google