[論文レビュー] trajdata: A Unified Interface to Multiple Human Trajectory Datasets

Boris Ivanovic, Guanyu Song+2 more|arXiv (Cornell University)|Jul 26, 2023

Traffic Prediction and Management Techniques被引用数 6

ひとこと要約

本稿では、自動運転車両と歩行者を対象として、8つの多様な人間の軌道データセットを統一的に扱える、許可が明示されたソフトウェアフレームワークである trajdata を紹介する。このフレームワークは、一貫性があり、効率的で拡張性のある表形式に変換することで、それらのデータセットへのアクセスを標準化する。主な貢献は、複数のデータセットをシームレスにベンチマーク可能にする点であり、これによりアノテーション品質、自動ラベリングのパフォーマンス、データバイアスに関する重要な洞察が得られ、将来的なデータセット設計を支援する。

ABSTRACT

The field of trajectory forecasting has grown significantly in recent years, partially owing to the release of numerous large-scale, real-world human trajectory datasets for autonomous vehicles (AVs) and pedestrian motion tracking. While such datasets have been a boon for the community, they each use custom and unique data formats and APIs, making it cumbersome for researchers to train and evaluate methods across multiple datasets. To remedy this, we present trajdata: a unified interface to multiple human trajectory datasets. At its core, trajdata provides a simple, uniform, and efficient representation and API for trajectory and map data. As a demonstration of its capabilities, in this work we conduct a comprehensive empirical evaluation of existing trajectory datasets, providing users with a rich understanding of the data underpinning much of current pedestrian and AV motion forecasting research, and proposing suggestions for future datasets from these insights. trajdata is permissively licensed (Apache 2.0) and can be accessed online at https://github.com/NVlabs/trajdata

研究の動機と目的

• 自動運転車両および歩行者の運動予測研究で用いられる主要な人間の軌道データセット間で、形式やAPIが分散しているという増大する課題に対処すること。
• 複数のデータセットを統合する際の工学的負担を軽減するために、単一で一貫性があり、拡張可能なデータインターフェースを提供すること。
• 軌道データの品質、アノテーションの一貫性、モデルの一般化可能性について、包括的かつデータセット間比較可能な実証的評価を可能にすること。
• 現在のデータセットに見られる包括的なバイアスや制限要因（例：ラベル範囲の制限、地図カバレッジの問題）を特定し、今後のデータ収集に向けた実行可能な提言を提供すること。

提案手法

• trajdata は、SI単位で位置、速度、加速度、進行方向、寸法といったコアなエージェントの運動特性を抽出することで、軌道および地図データを標準化する。欠落または一貫性のないデータについては、有限差分法および線形補間を用いて補完する。
• フレームワークは、異種のネイティブフォーマット（例：TFRecords、Zarr、JSON）を一様な表形式データ構造に変換し、効率的なインデックス作成、フィルタリング、グループ化処理を可能にする。
• Waymo、nuScenes、Lyft Level 5、INTERACTION、SDD など幅広いデータセットをサポートしており、地図データおよびエージェントレベルのメタデータを完全にカバーする。
• PyTorch などのディープラーニングフレームワークとネイティブに統合されており、トレーニングおよび評価パイプラインへの直接利用が可能である。
• 衝突検出や地図アライメント検証などの自動データ品質チェックを備えており、アノテーションの一貫性の欠如を特定する。
• 拡張性に優れており、将来的に新しいデータセットやモodalities（センサデータや幾何的マップ要素など）の統合が可能である。

実験結果

リサーチクエスチョン

• RQ1 ドローンと地上ベースの自動運転車両（AV）の両方を用いたデータ収集方法の違いが、アノテーション品質や自己一貫性に与える影響は何か？特に、ドローンによるデータ収集（例：INTERACTIONデータセット）は、LiDDRを用いても地上ベースのAVの認識システムに比べ、はるかに正確なバウンディングボックスアノテーションを生み出す。
• RQ2 現代の自動ラベリングパイプラインは、人間によるアノテーションの精度にどの程度近づいているのか？また、どこでまだ不足しているのか？
• RQ3 現在の大型軌道データセットに見られる主なバイアスや制限要因（例：ラベル範囲の制限、地図カバレッジの悪さ）は何か？
• RQ4 ハイスピード加速やエージェント同士の衝突といったレアな行動や複雑な行動を検出する能力において、異なるデータセットはどの程度のパフォーマンスを示すか？
• RQ5 将来的なデータセットリリースを改善するための設計原則は何か？特に、一般化性能、多様性、耐障害性を高めるために。

主な発見

• ドローンによるデータ収集（例：INTERACTIONデータセット）は、LiDDRを用いても、地上ベースのAVの認識システムに比べ、はるかに正確なバウンディングボックスアノテーションを生み出す。これは、優れた視点とオクルージョンの低減によるものである。
• 現代の自動ラベリングパイプラインは、衝突検出率において人間のアノテーションにほぼ達しているが、複雑で近接する歩行者同士の相互作用の場面では依然として性能が劣る。
• Waymo、Lyft、nuScenes などのデータセットでは、ハイスピード加速イベントが最も多く観察されており（全車両の1％以上）、長尾分布に一致する。
• nuScenes は主要な道路以外の地域での地図カバレッジが著しく劣っており、Lyft は特に「Unknown」クラスにおいて道路付近で誤検出が多発している。
• SDD などの小規模な歩行者データセットは、スケールが限られているものの、高密度かつ社会的相互作用が顕著なシナリオにおいて依然として価値がある。
• 現在のデータセットには、直線走行に強くバイアスがかかる傾向があり、多くのデータセットが多様な地理的地域（特に社会経済的・交通アクセスの異なる地域）を十分に反映していない。