trajdata: Eine einheitliche Schnittstelle zu mehreren menschlichen Trajektorien-Datensätzen

trajdata: A Unified Interface to Multiple Human Trajectory Datasets

July 26, 2023

Autoren: Boris Ivanovic, Guanyu Song, Igor Gilitschenski, Marco Pavone

cs.AI

Zusammenfassung

Das Gebiet der Trajektorienvorhersage hat in den letzten Jahren erheblich an Bedeutung gewonnen, was teilweise auf die Veröffentlichung zahlreicher groß angelegter, realer menschlicher Trajektorien-Datensätze für autonome Fahrzeuge (AVs) und die Verfolgung von Fußgängerbewegungen zurückzuführen ist. Obwohl solche Datensätze für die Community ein Segen waren, verwenden sie jeweils benutzerdefinierte und einzigartige Datenformate und APIs, was es für Forscher umständlich macht, Methoden über mehrere Datensätze hinweg zu trainieren und zu bewerten. Um dies zu beheben, präsentieren wir trajdata: eine einheitliche Schnittstelle zu mehreren menschlichen Trajektorien-Datensätzen. Im Kern bietet trajdata eine einfache, einheitliche und effiziente Darstellung und API für Trajektorien- und Kartendaten. Als Demonstration seiner Fähigkeiten führen wir in dieser Arbeit eine umfassende empirische Bewertung bestehender Trajektorien-Datensätze durch, die den Nutzern ein tiefes Verständnis der Daten vermittelt, die einen Großteil der aktuellen Forschung zur Vorhersage von Fußgänger- und AV-Bewegungen untermauern, und Vorschläge für zukünftige Datensätze auf der Grundlage dieser Erkenntnisse unterbreiten. trajdata ist unter einer freizügigen Lizenz (Apache 2.0) verfügbar und kann online unter https://github.com/NVlabs/trajdata abgerufen werden.

English

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