第9名解决方案

首先，这是一次组织得非常好的比赛。论坛上 @lucabergamini 和 @iglovikov 的参与堪称典范，可以看出 @iglovikov 在这次比赛中纠正了他自己作为参赛者时可能遇到的问题，做得很好。其次，我认为 Lyft 投资并组织 Kaggle 竞赛并不是一件理所当然的事情。他们不仅提供了数据和大量的时间，还向参赛者公开了他们专有的 l5kit 库。我希望这能通过 Kagglers 产生的想法得到一定程度的回报，无论如何感谢 Lyft 所做的一切，请继续加油。

最终我的解决方案出奇地简单，因为那些花哨的想法效果都不好。然而，有几件事帮到了我，我在下面描述了一切。对我来说，这再次是一个坚持扎实基础的教训。我记得3个月前我开始时，我很兴奋尝试 GANs，因为它似乎是最先进的技术。结果我却离它越来越远。

数据

样本选择

数据集参数是 min_history_steps = 0 和 min_future_steps = 10，这是标准的，可能也是用于切割测试数据的参数。我还添加了另一层过滤——基于状态索引。状态索引是场景内帧的计数，范围从0到250。在测试中，状态索引总是99。如果决定在切割后的数据集上训练，基本上就把自己限制在了状态索引99。但这会削减太多数据，所以我建立了一个类似于现有掩码的掩码，并要求 min_state_history = 30 和 min_state_future = 50。我相信这个改变提高了我的分数。如果没有它，我会得到状态索引从0开始的样本，这并不好。

zarr 文件

从一开始我就使用了完整的训练 zarr，在结束前两周我添加了切割后的验证集和测试集 zarr。最后这部分起初听起来可能令人惊讶。基本上我们在测试和验证中有100帧，通过我的状态索引过滤，我只看第30到50帧进行训练。这是合法的训练数据，我的动机是让模型接触测试数据集的任何特性，比如雨天。经过所有过滤后，我有这么多数据用于训练：

• 1.4亿 完整训练集
• 140万 测试集，第30-50帧
• 190万 验证集，第30-50帧

栅格化

• 过去12帧 [0,1,2,3,4,5,8,10,13,16,20,30]
• 3通道语义地图
• 历史第30帧的另外3通道语义地图，提供过去3秒的交通灯信息
• 未来帧（如果适用，大约占 87% 的时间）。在此讨论。
• AV 车辆用黑点标记（示例见上面链接）
• 栅格尺寸 [256,192]，其余参数为默认值

上述所有修改都有助于提高分数。

采样

我们有大量的训练数据，所以我有幸确保在整个训练过程中没有重复访问同一个样本。基本上我在训练前生成了顺序，并从中按顺序选取索引。

模型

集成3个模型，来自 timm package