trajdata: Uma Interface Unificada para Múltiplos Conjuntos de Dados de Trajetórias Humanas
trajdata: A Unified Interface to Multiple Human Trajectory Datasets
July 26, 2023
Autores: Boris Ivanovic, Guanyu Song, Igor Gilitschenski, Marco Pavone
cs.AI
Resumo
O campo de previsão de trajetórias cresceu significativamente nos últimos anos,
em parte devido ao lançamento de diversos conjuntos de dados em larga escala e do
mundo real para veículos autônomos (VAs) e rastreamento de movimento de pedestres.
Embora esses conjuntos de dados tenham sido uma grande vantagem para a comunidade,
cada um deles utiliza formatos e APIs personalizados e únicos, tornando-se
trabalhoso para os pesquisadores treinar e avaliar métodos em múltiplos conjuntos
de dados. Para remediar isso, apresentamos o trajdata: uma interface unificada
para múltiplos conjuntos de dados de trajetórias humanas. Em sua essência, o
trajdata fornece uma representação e API simples, uniforme e eficiente para dados
de trajetórias e mapas. Como demonstração de suas capacidades, neste trabalho
realizamos uma avaliação empírica abrangente de conjuntos de dados de trajetórias
existentes, fornecendo aos usuários um entendimento rico dos dados que sustentam
muita da pesquisa atual em previsão de movimento de pedestres e VAs, e propondo
sugestões para futuros conjuntos de dados a partir desses insights. O trajdata é
licenciado de forma permissiva (Apache 2.0) e pode ser acessado online em
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