一千零一小时：自动驾驶运动预测数据集
计算机视觉与模式识别
2020-11-18 v2 机器学习
机器人学
摘要
受大规模数据集对机器学习系统影响的启发，我们提出了迄今最大的用于运动预测的自动驾驶数据集，包含超过1000小时的数据。该数据由20辆自动驾驶汽车在加利福尼亚州帕洛阿尔托的固定路线上、历时四个月采集而成。其包含170,000个场景，每个场景长25秒，捕获了自动驾驶系统的感知输出，编码了附近车辆、骑行者与行人在时间上的精确位置与运动。在此基础上，数据集还包含具有15,242个标注元素的高清语义地图，以及该区域的高清航拍视图。我们表明，使用如此规模的数据集可大幅改善关键自动驾驶问题的性能。结合所提供的软件工具包，该数据集合成了迄今最大且最详尽的用于开发自动驾驶机器学习任务（如运动预测、运动规划与仿真）的数据集。完整数据集可在 http://level5.lyft.com/ 获取。
引用
@article{arxiv.2006.14480,
title = {One Thousand and One Hours: Self-driving Motion Prediction Dataset},
author = {John Houston and Guido Zuidhof and Luca Bergamini and Yawei Ye and Long Chen and Ashesh Jain and Sammy Omari and Vladimir Iglovikov and Peter Ondruska},
journal= {arXiv preprint arXiv:2006.14480},
year = {2020}
}
备注
Presente at CoRL2020