UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction

要約

車両軌道予測はデータ駆動型ソリューションへの依存度が高まっていますが、さまざまなデータドメインに拡張する機能や、一般化に対するデータセットサイズの拡大の影響については、依然として十分に調査されていません。
これらの疑問は複数のデータセットを使用することで調査できますが、データ形式、地図解像度、意味論的な注釈の種類など、いくつかの不一致があるため、調査は困難です。
これらの課題に対処するために、さまざまなデータセット、モデル、評価基準を統合する包括的なフレームワークである UniTraj を導入し、車両軌道予測分野に新たな機会をもたらします。
特に、UniTraj を使用して広範な実験を行ったところ、モデルのパフォーマンスが他のデータセットに転送されると大幅に低下することがわかりました。
ただし、データ サイズと多様性を拡大するとパフォーマンスが大幅に向上し、nuScenes データセットの新しい最先端の結果が得られます。
これらの調査結果を説明するために、データセットの特性に関する洞察を提供します。
コードはここにあります: https://github.com/vita-epfl/UniTraj

要約(オリジナル)

Vehicle trajectory prediction has increasingly relied on data-driven solutions, but their ability to scale to different data domains and the impact of larger dataset sizes on their generalization remain under-explored. While these questions can be studied by employing multiple datasets, it is challenging due to several discrepancies, e.g., in data formats, map resolution, and semantic annotation types. To address these challenges, we introduce UniTraj, a comprehensive framework that unifies various datasets, models, and evaluation criteria, presenting new opportunities for the vehicle trajectory prediction field. In particular, using UniTraj, we conduct extensive experiments and find that model performance significantly drops when transferred to other datasets. However, enlarging data size and diversity can substantially improve performance, leading to a new state-of-the-art result for the nuScenes dataset. We provide insights into dataset characteristics to explain these findings. The code can be found here: https://github.com/vita-epfl/UniTraj

arxiv情報

提供元, 利用サービス

arxiv.jp, Google