DrivIng：一个大规模多模态驾驶数据集集成完整数字孪生体
计算机视觉与模式识别
2026-01-30 v2
摘要
感知是自动驾驶的基石，使车辆能够理解周围环境并作出安全可靠的决策。开发健壮的感知算法需要覆盖多样化驾驶条件并支持全面评估的大规模高质量数据集。现有数据集常缺乏高保真数字孪生体，限制了系统性测试、边缘情况仿真、传感器修改以及仿真到现实的评估。为此，我们提出了 DrivIng，一个大规模多模态数据集，包含约 18 km 路线的完整地理参考数字孪生体，覆盖城市、郊区和高速路段。数据集提供来自六台 RGB 摄像机、一台 LiDAR 以及基于 ADMA 的高精度定位的连续记录，覆盖白天、黄昏和夜晚。所有序列以 10 Hz 的频率标注 3D 边界框和跨 12 类目标的跟踪 ID，产生约 120 万个标注实例。除了数字孪生体的便利，DrivIng 使现实交通可实现 1:1 的仿真传输，保留代理人相互作用，同时实现真实且灵活的情景测试。为支持可重复的研究和稳健的验证，我们用最先进的感知模型对 DrivIng 进行基准测试，并公开释放数据集、数字孪生体、HD 地图和代码。
引用
@article{arxiv.2601.15260,
title = {DrivIng: A Large-Scale Multimodal Driving Dataset with Full Digital Twin Integration},
author = {Dominik Rößle and Xujun Xie and Adithya Mohan and Venkatesh Thirugnana Sambandham and Daniel Cremers and Torsten Schön},
journal= {arXiv preprint arXiv:2601.15260},
year = {2026}
}
备注
Copyright 2026 IEEE. This is the accepted manuscript (postprint), not the final published version. For code and dataset, see https://github.com/cvims/DrivIng