51일차 - kaggle Lyft Motion Prediction for Autonomous Vehicles 소개

Kaggle?

Kaggle은 설치가 필요하지 않고, 커스텀 가능한 주피터 환경을 제공하는 서비스입니다. 무료 GPU를 제공하여 데이터 분석과 머신러닝을 위해 사용하는 경우도 있지만, 더욱 유명한 건 역시 Kaggle Competition이겠죠.

머신러닝에 특화된 플랫폼이다보니 유저 중에는 데이터 분석가가 많고, 기업들은 유저들에게 데이터 셋과 목표(그리고 어마어마한 상금)를 제공하는 대회를 엽니다.

오늘은 이 중 갓 열린, 3개월의 기간 동안 도전할 수 있는 Lyft 사의 자율주행을 위한 모션 예측 대회를 소개하려고 합니다.

Lyft Motion Prediction for Autonomous Vehicles

https://www.kaggle.com/c/lyft-motion-prediction-autonomous-vehicles/overview/description

Lyft Motion Prediction for Autonomous Vehicles

위 대회는 자율주행 자동차를 위한 모션 예측 인공지능 모델을 구축하는 대회로, 상금 30,000 달러가 걸려있습니다. 다음은 대회에 대한 설명입니다.

Description

자율주행 자동차(AVs)는 미래의 운송업을 드라마틱하게 바꿔놓을 전망입니다. 하지만, 자율주행 자동차의 이점을 현실화 하기에는 아직까지 풀지 못한 중요한 엔지니어링 문제가 남아있습니다. 그 중 하나는 AV 주변의 자동차, 자전거, 보행자의 움직임을 예측하는 모델을 만드는 것입니다.

차량 공유 기업 Lyft는 자율주행 챌린지와 완전 자율주행 시스템을 구축하기 위해 Level 5를 시작했습니다. (현재 고용 중입니다!) 이들의 이전 대회 과제는 참가자가 3D 물체를 인식하는, 움직임을 포착하기 이전의 중요한 단계였습니다. 이제, 이러한 교통 요소의 움직임을 예측해보세요.

이 대회에서, 데이터 사이언스 스킬을 사용하여 자율주행 자동차를 위한 모션 예측 모델을 만들어보세요. 이전에 공개되었던 데이터보다 큰 예측 데이터 셋이 모델 학습과 테스트를 위해 제공됩니다. 머신러닝에 대한 지식을 사용해 AV의 환경에서 자동차와 자선거, 보행자가 어디로 움직일지 예측하세요.

Lyft의 사명은 세계 최고의 운송으로 사람들의 삶을 개선하는 것입니다. 그들은 자율주행 자동차가 운송을 더 안전하고, 환경 친화적이고, 접근성 높게 만드는 미래를 믿습니다. 그들의 목표는 연구자 간 데이터를 공유하여 개발을 가속하는 것입니다. 당신의 참가를 통해 산업이 발전하여 자율주행 자동차의 이점을 더 빠르게 누릴 수 있습니다.

위 대회는 코딩 대회입니다. 자세한 사항은 코드 요구사항을 확인하세요.

Evaluation

이 대회의 목표는 다른 교통 참가자의 궤적을 예측하는 것입니다. uni-modal 모델을 사용하여 한 샘플 당 하나의 예측 결과를 생성해도 되며, multi-modal 모델을 사용하여 여러 개의 가설을 생성해도 됩니다. (3개까지) - 그 이상은 confidence vector에 기술되어 있습니다.

교통 상황에 따른 높은 multi-modality와 애매모호함 때문에, 이 대회에서 점수를 측정하기 위한 평가 기준은 여러 예측을 설명하도록 조정됩니다.

Note: 다음 내용은 우리의 L5Kit 레포지토리의 측정 방식 페이지에서 간략하게 발췌한 내용입니다.

주어진 multi-modal prediction에 대한 ground truth 데이터의 negative log-likelihood를 계산합니다. 자세히 들여다 봅시다. 샘플 궤적에 대한 ground truth 위치가 다음과 같다고 가정해봅시다.

그리고 다음과 같이 표기하는 K개의 hypothese를 예측했다고 가정합니다.

추가로, K개의 hypotheses를 대상으로 confidence c를 예측합니다. ground truth positions이 다음과 같은 likelihood를 갖는 시간에 따라 다차원 독립 Normal distribution을 따른다고 생각하면,

)

)

이때 loss는 다음과 같아집니다.

)

Submission File

Note: L5Kit를 사용하고 있다면, 예측 결과(single and multi-modal)를 유효한 CSV로 직접 변환하는 함수를 제공하고 있습니다.

모든 요소는 track_id와 timestamp로 구분됩니다. 각각의 궤적은 50개의 2D (X, Y) 예측 결과를 가지고 있습니다.

테스트 셋에서 각각의 요소에 대해 최대 3개까지 궤적을 예측할 수 있습니다. CSV 파일 포맷을 지키기 위해, single-modal이라 할지라도 3개의 궤적 필드 모두 값을 가지고 있어야 합니다. 그러나, 각각의 궤적은 고유한 confidence를 가지고 있으며, 이를 0으로 설정하면 성능을 평가할 때 하나 이상의 궤적을 완전히 무시할 수 있습니다. 세 confidence의 합은 반드시 1이 되어야 합니다.

유효한 CSV 헤더의 예시:

timestamp, track_id, conf_0, conf_1, conf_2, coord_x00, coord_y_00,...,coord_x049, coord_y_049, coord_x10, coord_y_10,...,coord_x149, coord_y_149, coord_x20, coord_y_20,...,coord_x249, coord_y_249

Timeline

• 2020/11/18 - 참가 종료. 대회에 참가하려면 이 시점 이전에 반드시 대회 규정을 수락해야 합니다.
• 2020/11/18 - 팀 합병 데드라인. 참가자가 팀에 합류하거나 팀을 합칠 수 있는 마지막 날입니다.
• 2020/11/25 - 마지막 제출일.

모든 데드라인은 별도 기재되지 않은 한 세계 시간 기준으로 오후 11:59까지입니다. 대회 주최자가 필요하다고 판단한 경우 대회 기간을 수정할 수 있습니다.

Prizes

우승 상금

개인 리더보드에 우수한 성적을 기록한 참가자는 다음 상금을 받을 자격이 있습니다.

• 1등 - $12,000
• 2등 - $8,000
• 3등 - $6,000
• 4등 - $4,000

추가 기회

벤치마크를 능가하면 GCP 크래딧 $300를 받을 수 있습니다! 호스트 밴치마크보다 높은 점수를 받은 참가자는 다음 설문 조사를 작성하고 GCP 쿠폰 코드를 받을 수 있습니다. 요청 기한은 2020/10/30입니다. 제한된 수량의 쿠폰이며, 한 사람 당 하나의 쿠폰을 받을 수 있습니다.

Code Requirements

해당 대회는 코딩 대회입니다.

제출물은 반드시 Jupyter Notebook이어야 합니다. Notebook 내에서 학습할 필요는 없습니다.

커밋 이후 "Submit to Competition" 버튼이 활성화 되려면 다음 조건을 반드시 만족해야 합니다:

• CPU Notebook은 실행 시간이 9 시간 이내여야 합니다.
• GPU Notebook은 실행 시간이 9 시간 이내여야 합니다.
• TPUs는 학습할 때에만 사용 가능합니다. TPU Notebook은 실행 시간이 3 시간 이내여야 합니다.
• 인터넷 연결은 허용되지 않습니다.
• 미리 학습된 모델을 비롯한, 무료 & 공공 목적으로 공개된 외부 데이터는 허가됩니다.
• 제출 파일 이름은 반드시 submission.csv여야 합니다.

제출하는 방법에 대해 더 알아보려면 코딩 대회 FAQ를 확인하세요.