trajdata: Een Uniforme Interface voor Meerdere Menselijke Trajectoriedatasets

trajdata: A Unified Interface to Multiple Human Trajectory Datasets

July 26, 2023

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

cs.AI

Samenvatting

Het vakgebied van trajectvoorspelling heeft de afgelopen jaren aanzienlijke groei doorgemaakt, deels dankzij de release van talrijke grootschalige, real-world datasets van menselijke trajecten voor autonome voertuigen (AV's) en het volgen van voetgangersbewegingen. Hoewel dergelijke datasets een zegen zijn geweest voor de gemeenschap, gebruiken ze elk aangepaste en unieke dataformaten en API's, wat het voor onderzoekers omslachtig maakt om methoden te trainen en te evalueren over meerdere datasets. Om dit te verhelpen, presenteren we trajdata: een uniforme interface voor meerdere datasets van menselijke trajecten. In de kern biedt trajdata een eenvoudige, uniforme en efficiënte representatie en API voor traject- en kaartgegevens. Als demonstratie van de mogelijkheden voeren we in dit werk een uitgebreide empirische evaluatie uit van bestaande trajectdatasets, waarbij gebruikers een diepgaand inzicht krijgen in de data die ten grondslag liggen aan veel van het huidige onderzoek naar voetgangers- en AV-bewegingsvoorspelling, en stellen we suggesties voor toekomstige datasets op basis van deze inzichten. trajdata is vrijgegeven onder een permissieve licentie (Apache 2.0) en is online toegankelijk op https://github.com/NVlabs/trajdata.

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