DeepAccident：面向 V2X 自动驾驶的运动与事故预测基准
计算机视觉与模式识别
2023-12-19 v5 机器学习
机器人学
摘要
安全性是自动驾驶的首要优先事项。然而，目前尚无已发布的数据集支持对自动驾驶进行直接且可解释的安全性评估。在本工作中，我们提出 DeepAccident，一个通过真实模拟器生成的大规模数据集，包含真实驾驶中频繁发生的多样事故场景。所提出的 DeepAccident 数据集包含 57K 标注帧和 285K 标注样本，约为大规模 nuScenes 数据集（含 40K 标注样本）的 7 倍。此外，我们提出了一项新任务——端到端运动与事故预测，可用于直接评估不同自动驾驶算法的事故预测能力。进一步，对于每个场景，我们设置四辆车与一处基础设施来记录数据，从而为事故场景提供多样视角，并支持感知与预测任务上的 V2X（车联网）研究。最后，我们提出了一个名为 V2XFormer 的基线 V2X 模型，其在运动与事故预测以及 3D 目标检测上相比单车模型展现出更优性能。
引用
@article{arxiv.2304.01168,
title = {DeepAccident: A Motion and Accident Prediction Benchmark for V2X Autonomous Driving},
author = {Tianqi Wang and Sukmin Kim and Wenxuan Ji and Enze Xie and Chongjian Ge and Junsong Chen and Zhenguo Li and Ping Luo},
journal= {arXiv preprint arXiv:2304.01168},
year = {2023}
}