論文の概要: Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future
- arxiv url: http://arxiv.org/abs/2312.03408v4
- Date: Fri, 22 Mar 2024 06:45:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 22:20:33.943119
- Title: Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future
- Title（参考訳）: 自動運転におけるオープンソースデータエコシステムの現状と展望
- Authors: Hongyang Li, Yang Li, Huijie Wang, Jia Zeng, Huilin Xu, Pinlong Cai, Li Chen, Junchi Yan, Feng Xu, Lu Xiong, Jingdong Wang, Futang Zhu, Chunjing Xu, Tiancai Wang, Fei Xia, Beipeng Mu, Zhihui Peng, Dahua Lin, Yu Qiao,
- Abstract要約: このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
- 参考スコア（独自算出の注目度）: 130.87142103774752
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: With the continuous maturation and application of autonomous driving technology, a systematic examination of open-source autonomous driving datasets becomes instrumental in fostering the robust evolution of the industry ecosystem. Current autonomous driving datasets can broadly be categorized into two generations. The first-generation autonomous driving datasets are characterized by relatively simpler sensor modalities, smaller data scale, and is limited to perception-level tasks. KITTI, introduced in 2012, serves as a prominent representative of this initial wave. In contrast, the second-generation datasets exhibit heightened complexity in sensor modalities, greater data scale and diversity, and an expansion of tasks from perception to encompass prediction and control. Leading examples of the second generation include nuScenes and Waymo, introduced around 2019. This comprehensive review, conducted in collaboration with esteemed colleagues from both academia and industry, systematically assesses over seventy open-source autonomous driving datasets from domestic and international sources. It offers insights into various aspects, such as the principles underlying the creation of high-quality datasets, the pivotal role of data engine systems, and the utilization of generative foundation models to facilitate scalable data generation. Furthermore, this review undertakes an exhaustive analysis and discourse regarding the characteristics and data scales that future third-generation autonomous driving datasets should possess. It also delves into the scientific and technical challenges that warrant resolution. These endeavors are pivotal in advancing autonomous innovation and fostering technological enhancement in critical domains. For further details, please refer to https://github.com/OpenDriveLab/DriveAGI.
- Abstract（参考訳）: 自動運転技術の継続的な成熟と応用により、オープンソースの自動運転データセットの体系的な検証は、業界エコシステムの堅牢な進化を促進するのに役立ちます。
現在の自律走行データセットは、大きく2世代に分類される。
第1世代の自律走行データセットは、比較的単純なセンサーモード、より小さなデータスケールで特徴付けられ、知覚レベルのタスクに限定されている。
2012年に導入されたKITTIは、この最初の波の顕著な代表として機能している。
対照的に、第2世代のデータセットは、センサーのモダリティの増大、データスケールと多様性の増大、および予測と制御を包含する知覚からタスクの拡張を示す。
第2世代の代表的な例として、2019年頃に導入されたnuScenesとWaymoがある。
この総合的なレビューは、学術と産業の両方から評価された同僚と共同で行われ、国内外の情報源から70以上のオープンソースの自動運転データセットを体系的に評価している。
高品質なデータセットの作成の基礎となる原則、データエンジンシステムの重要な役割、スケーラブルなデータ生成を容易にするための生成基盤モデルの利用など、さまざまな側面に関する洞察を提供する。
さらに、このレビューでは、将来の第3世代自動運転データセットが持つべき特性とデータスケールについて、徹底的な分析と談話を行っている。
また、解決を保障する科学的、技術的課題も検討している。
これらの取り組みは、自律的な革新を推進し、重要な領域における技術強化を促進する上で重要なものである。
詳細はhttps://github.com/OpenDriveLab/DriveAGIを参照してください。
関連論文リスト
- Exploring the Interplay Between Video Generation and World Models in Autonomous Driving: A Survey [61.39993881402787]
世界モデルとビデオ生成は、自動運転の領域において重要な技術である。
本稿では,この2つの技術の関係について検討する。
映像生成モデルと世界モデルとの相互作用を分析することにより,重要な課題と今後の研究方向性を明らかにする。
論文 参考訳（メタデータ） (2024-11-05T08:58:35Z) - SubjectDrive: Scaling Generative Data in Autonomous Driving via Subject Control [59.20038082523832]
我々は、自動走行アプリケーションの改善を継続的に行う方法で、生成データ生産を拡大することが証明された最初のモデルであるSubjectDriveを提案する。
本研究では, 多様なデータを生成するために, 多様な外部データソースを活用可能な, 主観制御機構を備えた新しいモデルを開発する。
論文 参考訳（メタデータ） (2024-03-28T14:07:13Z) - OASim: an Open and Adaptive Simulator based on Neural Rendering for
Autonomous Driving [11.682732129252118]
OASimはオープンで適応的なシミュレータであり、暗黙のニューラルレンダリングに基づく自律運転データ生成装置である。
アルゴリズムのクローズドループシステムでは、データは中心的な役割を果たすが、実際のデータの収集は高価で、時間がかかり、安全ではない。
論文 参考訳（メタデータ） (2024-02-06T09:19:44Z) - Data-Centric Evolution in Autonomous Driving: A Comprehensive Survey of
Big Data System, Data Mining, and Closed-Loop Technologies [16.283613452235976]
ボトルネックを克服する鍵は、データ中心の自動運転技術にある。
効率的なデータ中心のAD技術を構築する方法に関して、体系的な知識と深い理解が欠如しています。
この記事では、最先端のデータ駆動自動運転技術について、精力的に検討する。
論文 参考訳（メタデータ） (2024-01-23T16:28:30Z) - A Survey on Autonomous Driving Datasets: Statistics, Annotation Quality, and a Future Outlook [24.691922611156937]
複数の視点から265個の自律走行データセットを網羅的に検討した。
我々は、新しいデータセットを作成するためのガイドとしても使えるデータセットの影響を評価するための新しい指標を紹介します。
我々は、将来の自動運転データセットの現在の課題と開発動向について論じる。
論文 参考訳（メタデータ） (2024-01-02T22:35:33Z) - On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-24T14:01:53Z) - Synthetic Datasets for Autonomous Driving: A Survey [13.287734271923565]
実世界のデータセットは、高価で時間を要する実験とラベル付けのコストのために、要求の変化のペースに遅れずにはいられない。
ますます多くの研究者が、リッチで変化しやすいデータを生成するために、合成データセットに目を向けている。
論文 参考訳（メタデータ） (2023-04-24T15:46:10Z) - GIPSO: Geometrically Informed Propagation for Online Adaptation in 3D
LiDAR Segmentation [60.07812405063708]
3Dポイントクラウドセマンティックセグメンテーションは、自動運転に基本である。
文学におけるほとんどのアプローチは、動的シーンを扱う際に、ドメインシフトをどのように扱うかという重要な側面を無視している。
本稿では,本研究分野における最先端技術について述べる。
論文 参考訳（メタデータ） (2022-07-20T09:06:07Z) - One Million Scenes for Autonomous Driving: ONCE Dataset [91.94189514073354]
自律運転シナリオにおける3次元物体検出のためのONCEデータセットを提案する。
データは、利用可能な最大の3D自動運転データセットよりも20倍長い144時間の運転時間から選択される。
我々はONCEデータセット上で、様々な自己教師的・半教師的手法を再現し、評価する。
論文 参考訳（メタデータ） (2021-06-21T12:28:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。