OVPD：面向现场自动驾驶挑战赛的虚实融合测试数据集
机器人学
2026-04-23 v1
摘要
自动驾驶算法的快速迭代催生了对高保真、可回放和可诊断测试数据日益增长的需求。然而，许多公开数据集缺乏真实的车辆动力学反馈以及与周围交通和道路基础设施的闭环交互，限制了其反映部署就绪程度的能力。为弥补这一差距，我们推出了 OVPD（现场虚实融合数据集），这是一个从 2025 年现场自动驾驶挑战赛中发布的虚实融合测试数据集。OVPD 以实车在环测试为中心，将虚拟背景交通与车路协同感知相融合，在试验场上构建可控且交互的闭环测试环境。该数据集包含来自 20 支车队在由 15 个原子场景组成的场景链上的 20 个测试片段，总计近 3 小时的多模态数据，包括车辆轨迹与状态、控制指令以及数字孪生渲染的环视观测。OVPD 支持长尾规划与决策验证、开环或平台支持的闭环评估，以及涵盖安全性、效率、舒适性、规则合规性和交通影响的综合评估，为故障诊断和迭代改进提供可操作的证据。该数据集可通过以下链接获取：https://huggingface.co/datasets/Yuhang253820/Onsite_OPVD
引用
@article{arxiv.2604.20423,
title = {OVPD: A Virtual-Physical Fusion Testing Dataset of OnSite Auton-omous Driving Challenge},
author = {Yuhang Zhang and Jiarui Zhang and Bowen Jian and Xin Zhou and Zhichao Lv and Peng Hang and Rongjie Yu and Ye Tian and Jian Sun},
journal= {arXiv preprint arXiv:2604.20423},
year = {2026}
}
备注
11 pages, 6 figures, 3 tables