[논문 리뷰] INTERACTION Dataset: An INTERnational, Adversarial and Cooperative moTION Dataset in Interactive Driving Scenarios with Semantic Maps

Wei Zhan, Liting Sun외 9명|arXiv (Cornell University)|2019. 09. 30.

Autonomous Vehicle Technology and Safety참고 문헌 43인용 수 354

한 줄 요약

논문은 INTERACTION 데이터셋을 소개합니다. 이는 드론과 카메라로 기록된 국제적이고 상호작용이 매우 높은 주행 모션 데이터셋으로, 시맨틱 HD 맵과 함께 모션 예측, 계획, 모방 학습 및 행동 분석을 위해 설계되었습니다.

ABSTRACT

Behavior-related research areas such as motion prediction/planning, representation/imitation learning, behavior modeling/generation, and algorithm testing, require support from high-quality motion datasets containing interactive driving scenarios with different driving cultures. In this paper, we present an INTERnational, Adversarial and Cooperative moTION dataset (INTERACTION dataset) in interactive driving scenarios with semantic maps. Five features of the dataset are highlighted. 1) The interactive driving scenarios are diverse, including urban/highway/ramp merging and lane changes, roundabouts with yield/stop signs, signalized intersections, intersections with one/two/all-way stops, etc. 2) Motion data from different countries and different continents are collected so that driving preferences and styles in different cultures are naturally included. 3) The driving behavior is highly interactive and complex with adversarial and cooperative motions of various traffic participants. Highly complex behavior such as negotiations, aggressive/irrational decisions and traffic rule violations are densely contained in the dataset, while regular behavior can also be found from cautious car-following, stop, left/right/U-turn to rational lane-change and cycling and pedestrian crossing, etc. 4) The levels of criticality span wide, from regular safe operations to dangerous, near-collision maneuvers. Real collision, although relatively slight, is also included. 5) Maps with complete semantic information are provided with physical layers, reference lines, lanelet connections and traffic rules. The data is recorded from drones and traffic cameras. Statistics of the dataset in terms of number of entities and interaction density are also provided, along with some utilization examples in a variety of behavior-related research areas. The dataset can be downloaded via https://interaction-dataset.com.

연구 동기 및 목표

• 상호작용 주행 시나리오의 대규모 국제 소스 데이터셋을 제공한다.
• 적대적 및 협력적 행동을 포함한 다양하고 복잡하며 중요한 상호작용을 포착한다.
• 완전한 시맨틱 고해상도 맵(lanelets, rules, references) 및 전체 상호작용 엔티티를 포함한다.
• 모션 예측, 모방 학습, 의사결정, 계획 및 사회-behavior 생성 연구를 가능하게 한다.

제안 방법

• 다수의 나라와 대륙에 걸쳐 드론과 교통 카메라로부터 상호작용 주행 데이터를 수집한다.
• 안정화, 검출 (Faster R-CNN), 데이터 연관, 추적 (Kalman) 및 스무딩 (RTS)을 사용하여 정확한 바운딩 박스와 지평면 궤적으로 궤적에 주석을 다는 것.
• 물리적 및 시맨틱 계층을 갖춘 센티미터 정밀도의 high-definition lanelet2 맵을 구성한다 (lanelets, rules, right-of-way).
• 회전교차로, 무신호/신호등이 있는 교차로, 합류 및 차선 변경 등 다양한 시나리오를 제공한다.
• 상호작용 밀도를 평가하기 위해 최소 충돌 지점 차이 시간 등과 대기 기간과 같은 지표를 사용하여 상호작용 쌍을 식별한다.

실험 결과

연구 질문

• RQ1 고도로 상호작용적인 주행 시나리오에서 국제 맥락에 따라 운전 행동은 어떻게 달라지는가?
• RQ2 시맨틱 맵이 있는 고밀도 상호작용 궤적이 예측, 계획 및 모방 학습 모델을 향상시킬 수 있는가?
• RQ3 다양한 시나리오에서 중요한/상호작용 사건(근접 충돌, 공격적 기동)의 특징과 분포는 무엇인가?
• RQ4 완전한 상호작용 엔티티와 맵의 가용성이 모델링 및 계획 성능에 어떤 영향을 미치는가?

주요 결과

• 데이터셋은 여러 대륙에 걸친 회전교차로, 램프, 무신호 및 신호등이 있는 교차로 등 다양한 시나리오를 포함한다.
• 데이터는 적대적이고 협력적인 움직임을 포함하여 매우 상호작용적이고 복잡한 행동을 포착하며, 근접 충돌 및 가벼운 충돌 사례가 있다.
• 완전한 시맨틱 정보를 갖춘 HD 맵이 제공되어 시맨틱한 정보를 활용한 예측 및 계획이 가능하다.
• 상호작용 밀도 지표는 INTERACTION에서 prior 데이터셋인 highD 및 NGSIM보다 더 높은 상호작용 강도를 나타내며, 특히 짧은 TTCP 차이(<1 s)에서 그렇다.
• 데이터는 모션 예측, 모방 학습, 의사결정 및 계획 검증은 물론 상호작용 추출 및 사회적 행동 생성을 위한 사용을 지원한다.