离野地自动驾驶的突破：大型 ORAD-3D 数据集与全面基准测试
机器人学
2025-10-21 v1
摘要
离野地自动驾驶研究的主要瓶颈在于稀缺的大规模高质量数据集与基准测试。为弥合这一差距，我们提出 ORAD-3D 数据集。据我们所知，这是首个专为离野地自动驾驶而打造的规模最大数据集。ORAD-3D 涵盖木地、农田、草地、河岸、砾石公路、水泥公路及乡村等多样 terrains，同时捕获阳光、雨天、雾天和雪天等多样气候条件下的不同照明环境(明亮日间、日间、黄昏及夜间)。基于该数据集，我们建立了完整的基准评估套件，涵盖五项基本任务：2D 自由空间检测、3D 占有栅格预测、ROUGH GPS 引导路径规划、基于视觉语言模型的自动驾驶以及离野地环境的世界模型。数据集与基准测试共同提供了统一且稳健的资源，推动离野地情景下的感知与规划技术发展。该数据集与代码将在 https://github.com/chaytonmin/ORAD-3D 公开发布。
引用
@article{arxiv.2510.16500,
title = {Advancing Off-Road Autonomous Driving: The Large-Scale ORAD-3D Dataset and Comprehensive Benchmarks},
author = {Chen Min and Jilin Mei and Heng Zhai and Shuai Wang and Tong Sun and Fanjie Kong and Haoyang Li and Fangyuan Mao and Fuyang Liu and Shuo Wang and Yiming Nie and Qi Zhu and Liang Xiao and Dawei Zhao and Yu Hu},
journal= {arXiv preprint arXiv:2510.16500},
year = {2025}
}
备注
Off-road robotics