WHALES：用于增强自动驾驶协作的多智能体调度数据集
计算机视觉与模式识别
2025-08-20 v3
摘要
由于缺乏能够捕捉真实世界车联网（V2X）交互复杂性（尤其是在动态通信约束下）的数据集，协同感知研究受到阻碍。为填补这一空白，我们引入了 WHALES（Wireless enhanced Autonomous vehicles with Large number of Engaged agents），这是首个明确设计用于基准测试通信感知智能体调度和可扩展协同感知的大规模 V2X 数据集。WHALES 引入了一个新的基准，支持通信感知协同感知的最先进（SOTA）研究，其特点是在多样的交通场景中平均每个场景有 8.4 个协同智能体，并包含 201 万个标注的 3D 物体。它结合了详细的通信元数据以模拟真实世界的通信瓶颈，从而能够严格评估调度策略。为了进一步推动该领域的发展，我们提出了覆盖感知历史调度器（CAHS），这是一种新颖的调度基线，它根据历史视点覆盖来选择智能体，相较于现有的 SOTA 方法提升了感知性能。WHALES 弥合了模拟与真实世界 V2X 挑战之间的差距，为探索感知-调度协同设计、跨数据泛化以及可扩展性限制提供了稳健的框架。WHALES 数据集和代码可在 https://github.com/chensiweiTHU/WHALES 获取。
引用
@article{arxiv.2411.13340,
title = {WHALES: A Multi-Agent Scheduling Dataset for Enhanced Cooperation in Autonomous Driving},
author = {Yinsong Wang and Siwei Chen and Ziyi Song and Sheng Zhou},
journal= {arXiv preprint arXiv:2411.13340},
year = {2025}
}