[논문 리뷰] One Thousand and One Hours: Self-driving Motion Prediction Dataset

John A. Houston, Guido Zuidhof외 7명|arXiv (Cornell University)|2020. 06. 25.

Autonomous Vehicle Technology and Safety참고 문헌 28인용 수 200

한 줄 요약

이 논문은 지금까지 가장 큰 자율주행 모션 예측 데이터셋을 공개합니다. 1,118시간, 170,000개 장면과 더불어 상세한 HD 시맨틱 맵과 항공 영상, 그리고 모션 예측 및 계획을 위한 L5Kit 도구와 베이스라인 모델을 제공합니다.

ABSTRACT

Motivated by the impact of large-scale datasets on ML systems we present the largest self-driving dataset for motion prediction to date, containing over 1,000 hours of data. This was collected by a fleet of 20 autonomous vehicles along a fixed route in Palo Alto, California, over a four-month period. It consists of 170,000 scenes, where each scene is 25 seconds long and captures the perception output of the self-driving system, which encodes the precise positions and motions of nearby vehicles, cyclists, and pedestrians over time. On top of this, the dataset contains a high-definition semantic map with 15,242 labelled elements and a high-definition aerial view over the area. We show that using a dataset of this size dramatically improves performance for key self-driving problems. Combined with the provided software kit, this collection forms the largest and most detailed dataset to date for the development of self-driving machine learning tasks, such as motion forecasting, motion planning and simulation. The full dataset is available at http://level5.lyft.com/.

연구 동기 및 목표

• 대규모 데이터가 자율주행 모션 예측 및 계획에 미치는 영향 강조.
• 풍부한 시맨틱 맵과 이미지를 갖춘 상세하고 경로별 데이터셋을 제공하여 다운스트림 ML 태스크를 가능하게 함.
• 연구 개발 및 벤치마킹 용이성을 위한 오픈 소스 도구(L5Kit) 및 베이스라인 모델 제공

제안 방법

• 20대 차량에서 고정된 팔로 알토 경로로 170,000개 장면(각 장면 25초, 10Hz) 대규모 데이터셋 큐레이션.
• 15,242개의 주석과 8,505개의 차선 구간, 그리고 74 km^2 항공 맵을 갖춘 고해상도 시맨틱 맵 제공.
• 데이터 접근, 시각화, 베이스라인 모션 예측 및 계획용 Python 툴킷인 L5Kit 출시.
• 히스토리 정보와 함께 BEV 래스터를 사용한 베이스라인 모션 예측 establishing.
• 합산 오차를 줄이기 위한 교란을 포함한 5초 수평의 궤적 예측 및 실행을 학습하는 계획 베이스라인 시연

실험 결과

연구 질문

• RQ1 스케일(시간, 장면, 참가자)이 자율주행 시스템의 모션 예측 정확도와 계획 성능에 어떤 영향을 미치는가?
• RQ2 자세한 HD 시맨틱 맵과 항공 맥락이 미래 행위자의 모션 예측에 어떤 가치를 제공하는가?
• RQ3 개방형 데이터셋에서 오픈 ML 기반의 계획을 폐쇄 루프 시뮬레이션으로 효과적으로 평가할 수 있는가?
• RQ4 이 데이터셋으로 학습된 베이스라인 모델이 인지 중심 베이스라인과 비교하여 예측 및 계획에서 어떤 차이를 보이는가?

주요 결과

• 데이터셋은 1,118시간, 26,344km, 20대 차량의 162k 장면으로 구성됩니다.
• HD 시맨틱 맵은 15,242개의 주석과 8,505개의 차선 구간, 74 km^2의 고해상도 항공 영상 포함.
• 모션 예측 베이스라인은 학습 데이터가 늘어날수록 변위/오차 지표가 개선되며 히스토리 정보의 이점을 보입니다.
• 계획 베이스라인은 더 큰 학습 데이터와 합성 교란으로 인한 누적 오차를 완화하고 폐쇄 루프 성능이 향상됨을 보여줍니다.
• 데이터셋과 L5Kit은 이전에 주로 독점 데이터로 다루어졌던 ML 기반 계획의 열린 평가를 가능하게 합니다.
• 데이터셋 규모가 증가함에 따라 예측 및 계획 성능이 포화되지 않는 것으로 보이며, 수만에서 수백만 시간에 걸친 추가 이득이 가능해 보입니다.