中国科学院自动化研究所与美团无人车团队合作，推出全球最大规模的自动驾驶世界模型数据集 drivingdojo，现已入选 neurips 2024 数据集追踪项目。该数据集旨在克服现有数据z V O集在视频多样性A ! ~ z #和行为复杂性方面的不足，全面提升世界模型在自动驾驶领域的应用潜力。
DrivingDojo 数据集包含约 18000 个平均时长 20 秒的高质量视频，涵盖各种长尾驾t @ % a _驶场景，例如意外事件（如水桶掉落、栅栏倒塌）、极端天气和( L 4 = o m光照条件、以及各种行人与车辆交互行为。数据集分为三个子集，分别侧重于驾驶行为、动态交互和世界知识。
DrivingA p W U Z y c @Dojo 的核心优势在于其对世界模型关键能力的关注：l 8 ] R E .交互、知识和泛化。
-
交互: 数据集包含丰富的车辆与行人、其他车辆间的动态交互场景，例如并线、会车、超车等，帮助模型学习并预测这些复杂交互行为。
-
知识: 数据集包含各种场景元素，\ ( d例如红绿灯、交通标志等，帮助模型学习并理解这些世界知识，从而做出更准确的决策。
-
泛化: 数据集包含大量长尾场景，提升模型在面对未知和异常情况时的泛化能力，确保其在真实世界中的可靠性。
Driving) h C vDojo 支持多种研究方向，包括：
-
真实多样的驾驶场景生成: 基于给定的初始帧和轨迹，模型可以预测未来的驾驶场景，^ Y k s并通过 COLMAP 重建方法进行定量评估。
-
生成能力的泛化: 模型在 DrivingDojo 上训练后，可在 OH L jpenDV 等其他数据j , ` p f k m ( =集上进行测试，评估其跨数据集的泛化能力。
-
交互行为的预测: 模型可以根据不同的驾驶行为（例如停车或继续行驶）预F 4 3 /测其他车辆的反应，例如是否会超车或让行。
DrivingDojo 数据集、论文和代码均已公开：
- 网站: httH E v v $ – V ~ps://www.php.cn/link/e262bb94d2283745c3W / x Y v $ 4 `50627f4334a11d
- 论文: https://www.php.cn/link/03} ? o Q V _ \ w –e17x { # u 1dbf92c96771d35b3271f4a4982 0 K 0 x ? {99
- 代码: https://www.php.cn/link/05e51be5631| 3 9 3 P { 929e4c14ac285dee498Y D V J m6e8
DrivingDojO r Y v 9 No[ X $ % ( 的发布为自动驾驶世界模型研究提供了宝贵资源，有望推动该领域取得突破性进展。 它强调了在真实世界场L 3 {景中，对智能体交/ J ^互、环境知识和模型泛化能力的综合考量。
以上就是18k个视频、专为自动驾驶世界模型设计，Dri– y r `vingDojo9 T n T数据集来了的详细内容！
原创文章，作者:【好易之】如转载请注明出处：https://www.zhengjiaxi.com/zxwd/itzx/120800.html
如有侵权，请邮件联系 aoduoye@qq.com 删除。
本站发布的文章及附件仅限用于学习和研究目的;不得将上述内容用于商业或非法用途，否则后果请用户自负。
本站信息来自网络，版权争议与本站无关。您必须在下载后的24个小时之内，从您的电脑中彻底删除上述内容。
如果您喜欢该程序，请支持正版软件，购买注册，得到更好的正版服务。如有侵权请邮件与我们联系处理。
微信扫一扫 
