BETTY 数据集：面向全栈自动驾驶的多模态数据集
机器人学
2025-05-13 v1
摘要
我们提出 BETTY 数据集，这是一个在多个自动驾驶赛车上采集的大规模多模态数据集，旨在服务于有监督与自监督的状态估计、动力学建模、运动预测、感知等任务。现有的大规模数据集，尤其是自动驾驶数据集，主要聚焦于有监督的感知、规划与运动预测任务。我们的工作通过纳入所有传感器输入、软件栈输出以及语义元数据和真值信息，赋能多模态、数据驱动的方法。该数据集涵盖 4 年的数据，目前包含超过 13 小时、32TB 的数据，采集自自动驾驶赛车平台。这些数据跨越 6 种不同的赛车环境，包括用于单智能体与多智能体算法评估的高速椭圆赛道（特征稀疏场景），以及具有高纵横向加速度的高速公路赛道和狭窄的 GPS 拒止环境。它捕捉了高度动态的状态，如 63 m/s 的碰撞、轮胎失去抓地力以及在稳定性极限下的操作。通过提供广泛的跨模态动态数据，BETTY 数据集能够训练和测试全栈自动驾驶流水线，将所有算法的性能推向极限。当前数据集可在 https://pitt-mit-iac.github.io/betty-dataset/ 获取。
引用
@article{arxiv.2505.07266,
title = {BETTY Dataset: A Multi-modal Dataset for Full-Stack Autonomy},
author = {Micah Nye and Ayoub Raji and Andrew Saba and Eidan Erlich and Robert Exley and Aragya Goyal and Alexander Matros and Ritesh Misra and Matthew Sivaprakasam and Marko Bertogna and Deva Ramanan and Sebastian Scherer},
journal= {arXiv preprint arXiv:2505.07266},
year = {2025}
}
备注
8 pages. 5 figures. ICRA 2025