目標人物追跡2025/5/1arXiv:2505.07446

TPT-Bench：混雑環境での目標人物追跡をベンチマークする大規模長期ロボット視点データセット

TPT-Bench: A Large-Scale, Long-Term and Robot-Egocentric Dataset for Benchmarking Target Person Tracking

ロボット視点で混雑した屋内・屋外環境の目標人物を長期的に追跡するための大規模マルチモーダルデータセットを構築し、既存手法の性能を評価した。

詳しい要約

1. どんなもの？

- ロボット視点（robot-egocentric）での target person tracking（TPT）を評価するための大規模・長期データセット - 人混みで非構造な環境での TPT を対象とし、robot-person following タスクとして実演 - センサ付きカートを人が押して対象者を追従する形で収集し、人間らしい追従行動を捉える - odometry、3D LiDAR、IMU、panoramic images、RGB-D images のマルチモーダルデータを含む - 屋内・屋外の 48 sequences に対し、対象者の 2D bounding boxes を網羅的にアノテーション

2. 先行研究と比べてどこがすごい？

- 既存の TPT benchmarks は、妨害物が少なく背景がきれいで、短期的な occlusion のみの制御された実験室環境に限られていた - 本データセットは crowded かつ unstructured な環境を対象とし、長期的な追従課題を重視 - 頻繁な occlusion と多数の歩行者からの re-identification の必要性を含む点が従来と異なる - 屋内・屋外の両方を含む 48 sequences の大規模データで、マルチモーダルなデータストリームを備える

3. 技術・手法の肝は？

- 人がセンサ付きカートを押して対象者を追従することで、人間らしい following behavior を収集 - odometry、3D LiDAR、IMU、panoramic images、RGB-D images を同時に記録するマルチモーダル計測 - 対象者に対して 2D bounding boxes を全 sequence にわたり網羅的にアノテーション - このデータと visual annotations を用いて既存 SOTA TPT 手法を実験的に評価するベンチマーク設計

4. どうやって有効だと検証した？

- 本データセットと visual annotations を用い、既存の SOTA TPT 手法に対して広範な実験を実施 - 実験を通じて既存手法の限界を詳細に分析し、今後の研究方向を提示 - 具体的な評価指標や定量結果の詳細は要旨からは不明

5. 議論はある？

- 既存 SOTA TPT 手法の限界を分析し、将来の研究方向を提案している - crowded 環境での頻繁な occlusion や多数歩行者からの re-identification が課題として示唆される - 具体的な議論の内容や個別の限界点は要旨からは不明

6. 次に読むべき論文は？

- 要旨で比較・評価対象とされている既存の SOTA TPT 手法（具体的名称は要旨からは不明） - target person tracking 分野の定番として、person re-identification を用いた tracking-by-detection 系手法 - 関連する robot-person following や Human-Robot Interaction（HRI）における追従研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Hanjing Ye, Yu Zhan, Weixi Situ, Guangcheng Chen, Jingwen Yu, Ziqi Zhao, Kuanqi Cai, Arash Ajoudani, Hong Zhang

分類: cs.RO

原文アブストラクト

Tracking a target person from robot-egocentric views is crucial for developing autonomous robots that provide continuous personalized assistance or collaboration in Human-Robot Interaction (HRI) and Embodied AI. However, most existing target person tracking (TPT) benchmarks are limited to controlled laboratory environments with few distractions, clean backgrounds, and short-term occlusions. In this paper, we introduce a large-scale dataset designed for TPT in crowded and unstructured environments, demonstrated through a robot-person following task. The dataset is collected by a human pushing a sensor-equipped cart while following a target person, capturing human-like following behavior and emphasizing long-term tracking challenges, including frequent occlusions and the need for re-identification from numerous pedestrians. It includes multi-modal data streams, including odometry, 3D LiDAR, IMU, panoramic images, and RGB-D images, along with exhaustively annotated 2D bounding boxes of the target person across 48 sequences, both indoors and outdoors. Using this dataset and visual annotations, we perform extensive experiments with existing SOTA TPT methods, offering a thorough analysis of their limitations and suggesting future research directions.

arXivで原文を読む →arXiv概要ページ

← 論文一覧