論文の概要: FORWARD: Dataset of a forwarder operating in rough terrain

• arxiv url: http://arxiv.org/abs/2511.17318v1
• Date: Fri, 21 Nov 2025 15:36:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:19.079795
• Title: FORWARD: Dataset of a forwarder operating in rough terrain
• Title（参考訳）: FORWARD: 荒地で活動するフォワードのデータセット
• Authors: Mikael Lundbäck, Erik Wallin, Carola Häggström, Mattias Nyström, Andreas Grönlund, Mats Richardson, Petrus Jönsson, William Arnvik, Lucas Hedström, Arvid Fälldin, Martin Servin,
• Abstract要約: 本研究では,スウェーデン中部の2つの収穫地において,荒地で活動するフォワーダーの高解像度マルチモーダルデータセットを提案する。 データには、5Hzで記録されたイベントタイムログ、例えば、運転速度、燃料消費、センチメートル精度の車の位置、クレーンの使用などが含まれる。 このデータセットは、森林機械のトラヒックビリティ、知覚、自律制御のためのモデルとアルゴリズムを開発することを意図している。
• 参考スコア（独自算出の注目度）: 1.654746519811434
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present FORWARD, a high-resolution multimodal dataset of a cut-to-length forwarder operating in rough terrain on two harvest sites in the middle part of Sweden. The forwarder is a large Komatsu model equipped with a variety of sensors, including RTK-GNSS, 360-camera, operator vibration sensors, internal CAN-bus signal recording, and multiple IMUs. The data includes event time logs recorded in 5 Hz with e.g., driving speed, fuel consumption, vehicle position with centimeter accuracy, and crane use while the vehicle operates in forest areas laser-scanned with very high-resolution, $\sim$1500 points per square meter. Production log files (StanForD standard) with time-stamped machine events, extensive video material, and terrain data in various formats are included as well. About 18 hours of regular wood extraction work during three days is annotated from 360-video material into individual work elements and included in the dataset. We also include scenario specifications of conducted experiments on forest roads and in terrain. Scenarios include repeatedly driving the same routes with and without steel tracks, different load weight, and different target driving speeds. The dataset is intended for developing models and algorithms for trafficability, perception, and autonomous control of forest machines using artificial intelligence, simulation, and experiments on physical testbeds. In part, we focus on forwarders traversing terrain, avoiding obstacles, and loading or unloading logs, with consideration for efficiency, fuel consumption, safety, and environmental impact. Other benefits of the open dataset include the ability to explore auto-generation and calibration of forestry machine simulators and automation scenario descriptions using the data recorded in the field.
• Abstract（参考訳）: 本稿では,スウェーデン中部の2つの収穫地において,荒地で作業する切り抜きフォワードの高解像度マルチモーダルデータセットであるFOORWARDについて述べる。 フォワードは、RTK-GNSS、360カメラ、オペレータ振動センサー、内部CANバス信号記録、複数のIMUなど、様々なセンサーを備えた大型のコマツモデルである。 このデータには5Hzで記録されたイベントタイムログ、運転速度、燃料消費、センチメートル精度の車の位置、クレーンの使用などが含まれている。 タイムスタンプされたマシンイベント、広範なビデオ素材、様々なフォーマットの地形データを含むプロダクションログファイル(StanForD標準)も含んでいる。 3日間の通常の木材抽出作業の約18時間は、360ビデオ素材から個々の作業要素に注釈付けされ、データセットに含まれる。 また,森林道路および地形における実施実験のシナリオ仕様も含んでいる。 シナリオには、鋼鉄の線路と非鋼鉄の線路で同じルートを何度も運転すること、ロードウェイトが異なること、目標の走行速度が異なることが含まれる。 このデータセットは、人工知能、シミュレーション、物理的テストベッドの実験を使用して、森林機械のトラヒックビリティ、知覚、自律制御のためのモデルとアルゴリズムを開発することを目的としている。 また, 省エネ, 燃料消費, 安全, 環境影響を考慮した, 地形を横断するフォワーダー, 障害物回避, ログのロード・アンロードに着目した。 オープンデータセットのその他のメリットとしては、フォレストリーマシンシミュレータの自動生成とキャリブレーション、フィールドに記録されたデータを使用した自動化シナリオ記述などがある。

関連論文リスト

• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• DeepAccident: A Motion and Accident Prediction Benchmark for V2X Autonomous Driving [76.29141888408265]
  本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。 提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
  論文  参考訳（メタデータ） (2023-04-03T17:37:00Z)
• aiMotive Dataset: A Multimodal Dataset for Robust Autonomous Driving with Long-Range Perception [0.0]
  このデータセットは、同期して校正されたLiDAR、カメラ、および360度の視野をカバーするレーダーセンサーを備えた176のシーンで構成されている。 収集したデータは、昼間、夜、雨の間に、高速道路、都市、郊外で撮影された。 我々は3次元物体検出のための一次元・多モードベースラインモデルを訓練した。
  論文  参考訳（メタデータ） (2022-11-17T10:19:59Z)
• Ithaca365: Dataset and Driving Perception under Repeated and Challenging Weather Conditions [0.0]
  我々は、新しいデータ収集プロセスを通じて、堅牢な自律運転を可能にする新しいデータセットを提案する。 データセットには、高精度GPS/INSとともに、カメラとLiDARセンサーからの画像と点雲が含まれている。 道路・オブジェクトのアモーダルセグメンテーションにおけるベースラインの性能を解析することにより,このデータセットの特異性を実証する。
  論文  参考訳（メタデータ） (2022-08-01T22:55:32Z)
• 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)
• A Large Scale Event-based Detection Dataset for Automotive [8.230195220924234]
  このデータセットは、39時間以上の自動車記録と304x240 ATISセンサーで構成されている。 開放された道路と非常に多様な運転シナリオがあり、都市、高速道路、郊外、田舎のシーンから、天気や照明条件まで様々である。 このサイズのラベル付きデータセットが利用できることは、オブジェクトの検出や分類といったイベントベースの視覚タスクの大きな進歩に寄与すると考えています。
  論文  参考訳（メタデータ） (2020-01-23T13:40:51Z)

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。