題名:MetaDAT: Meta Pre-training とデータ適応型テスト時更新による汎化可能な軌跡予測

要旨:既存の軌跡予測手法は、テスト時に分布がずれた場合、性能が大きく低下することが知られています。テスト時学習（test-time training）の手法は、適応を可能にするために検討されてきましたが、現行のアプローチはオンライン学習の柔軟性を欠くオフラインで事前学習された予測器に依存しています。さらに、それらはテストデータ固有の特性に対応できない固定されたオンラインモデル更新ルールにも依存しています。これらの制約に対処するために、まず我々は、高速かつ正確なオンライン適応のために予測器を直接最適化するメタ学習の枠組みを提案します。この枠組みは、事前学習時にシミュレーションされたテスト時適応タスクの性能に対して二階層（bi-level）最適化を行います。加えて、テスト時には、オンラインの部分導関数と難しいサンプルの選別に基づいて、事前に定義された学習率と更新頻度を動的に調整するデータ適応型のモデル更新メカニズムを導入します。このメカニズムにより、オンライン学習率はテストデータに適合し、情報量のある難しいサンプルに焦点を当てることで効率を高めます。実験は、nuScenes、Lyft、Waymo を含む、さまざまな困難なクロスデータセット分布シフトの状況で実施しました。その結果、提案手法は適応精度において優れており、軌跡予測における最先端のテスト時学習手法を上回ることが示されました。さらに、本手法は学習率が不十分な場合や高FPSの要求下でも性能を発揮し、その頑健性と実用性を示しています。

arXivLabs：コミュニティの協力者とともに取り組む実験的プロジェクト

arXivLabs は、協力者が当社の Web サイト上で新しい arXiv の機能を直接開発し、共有できるようにするためのフレームワークです。

arXivLabs に取り組む個人および組織は、オープン性、コミュニティ、卓越性、ユーザーデータのプライバシーという当社の価値観を受け入れ、これらに同意しています。arXiv はこれらの価値観に尽力しており、それらに従うパートナーとのみ連携します。

arXiv のコミュニティに価値をもたらすプロジェクトのアイデアはありますか？ arXivLabs についてもっと知る。