SynSHRP2：基于真实驾驶数据衍生的合成多模态安全关键事件基准
机器人学
2025-05-13 v1
摘要
驾驶相关的安全关键事件（SCEs），包括碰撞和近碰撞，为自动驾驶系统的开发和安全评估提供了关键见解。然而，两个主要挑战限制了其可访问性：SCEs的稀缺性以及数据中敏感隐私信息的存在。第二战略高速公路研究计划（SHRP 2）自然驾驶研究（Naturalistic Driving Study, NDS），是目前规模最大的NDS，收集了来自数千名参与者的数百万小时的多模态、高分辨率、高频驾驶数据，捕获了数千个SCEs。尽管该数据集对安全研究具有重要价值，但由于隐私 concerns 和数据使用限制，公开获取原始数据的机会有限。为此，我们引入SynSHRP2，一个公开可获取的、合成的、多模态驾驶数据集，包含超过1874次碰撞和6924次近碰撞，源自SHRP 2 NDS。该数据集包含使用Stable Diffusion和ControlNet生成的去标识化关键帧，确保保留关键安全相关信息的同时消除可识别个人数据。此外，SynSHRP2包括关于SCE类型、环境和交通条件的详细标注，以及跨越每次事件前5秒和事件期间的时序运动学数据。同步的关键帧和叙述性描述进一步增强了其可用性。本文提出了用于事件属性分类和场景理解的两个基准，展示了SynSHRP2在推动安全研究和自动驾驶系统开发方面的潜在应用。
引用
@article{arxiv.2505.06276,
title = {SynSHRP2: A Synthetic Multimodal Benchmark for Driving Safety-critical Events Derived from Real-world Driving Data},
author = {Liang Shi and Boyu Jiang and Zhenyuan Yuan and Miguel A. Perez and Feng Guo},
journal= {arXiv preprint arXiv:2505.06276},
year = {2025}
}
备注
Accepted as a poster in CVPR 2025