論文の概要: nuScenes Revisited: Progress and Challenges in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2512.02448v1
• Date: Tue, 02 Dec 2025 06:14:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.741845
• Title: nuScenes Revisited: Progress and Challenges in Autonomous Driving
• Title（参考訳）: nuScenes: 自動運転の進歩と課題
• Authors: Whye Kit Fong, Venice Erin Liong, Kok Seang Tan, Holger Caesar,
• Abstract要約: 我々は、最も広く使用されている自動運転データセットの1つ、nuScenesデータセットを再考する。 nuScenesは、レーダーデータを含む最初のデータセットである、AV開発における重要なトレンドを例示している。 我々は, nuScenes の生成と拡張 nuImages と Panoptic nuScenes について前例のない考察を行った。
• 参考スコア（独自算出の注目度）: 12.38901090939622
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Autonomous Vehicles (AV) and Advanced Driver Assistance Systems (ADAS) have been revolutionized by Deep Learning. As a data-driven approach, Deep Learning relies on vast amounts of driving data, typically labeled in great detail. As a result, datasets, alongside hardware and algorithms, are foundational building blocks for the development of AVs. In this work we revisit one of the most widely used autonomous driving datasets: the nuScenes dataset. nuScenes exemplifies key trends in AV development, being the first dataset to include radar data, to feature diverse urban driving scenes from two continents, and to be collected using a fully autonomous vehicle operating on public roads, while also promoting multi-modal sensor fusion, standardized benchmarks, and a broad range of tasks including perception, localization \& mapping, prediction and planning. We provide an unprecedented look into the creation of nuScenes, as well as its extensions nuImages and Panoptic nuScenes, summarizing many technical details that have hitherto not been revealed in academic publications. Furthermore, we trace how the influence of nuScenes impacted a large number of other datasets that were released later and how it defined numerous standards that are used by the community to this day. Finally, we present an overview of both official and unofficial tasks using the nuScenes dataset and review major methodological developments, thereby offering a comprehensive survey of the autonomous driving literature, with a particular focus on nuScenes.
• Abstract（参考訳）: 自律走行車(AV)と高度運転支援システム(ADAS)は、ディープラーニングによって革新されている。 データ駆動型アプローチとして、Deep Learningは、通常非常に詳細にラベル付けされた大量の駆動データに依存している。 その結果、ハードウェアやアルゴリズムとともにデータセットは、AV開発のための基盤となるビルディングブロックとなっている。 この作業では、最も広く使用されている自動運転データセットの1つであるnuScenesデータセットを再検討する。 nuScenesは、レーダーデータを含む最初のデータセットであり、2大陸からの多様な都市運転シーンを特徴とし、公道で運用されている完全自律走行車を使用して収集すると同時に、マルチモーダルセンサー融合、標準化されたベンチマーク、知覚、ローカライゼーション、マッピング、予測、計画を含む幅広いタスクを推進している。 我々は, nuScenesの作成, およびその拡張 nuImages と Panoptic nuScenes について前例のない考察を行い, 学術出版物では明らかにされていない多くの技術的詳細を要約する。 さらに、nuScenesの影響が、後にリリースされた他の多くのデータセットにどのように影響したのか、また、コミュニティが現在まで使用している多くの標準をどのように定義したのかをたどる。 最後に、nuScenesデータセットを用いた公式および非公式なタスクの概要と、主要な方法論的展開を概観し、特にnuScenesに焦点を当てた自律運転文献の総合的な調査を行う。

関連論文リスト

• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  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。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• SelfD: Self-Learning Large-Scale Driving Policies From the Web [13.879536370173506]
  SelfDは、大量のオンラインモノクロイメージを利用することで、スケーラブルな運転を学ぶためのフレームワークである。 公開されているYouTubeビデオの大規模なデータセットを使用して、SelfDをトレーニングし、その一般化のメリットを、困難なナビゲーションシナリオ全体にわたって包括的に分析します。
  論文  参考訳（メタデータ） (2022-04-21T17:58:36Z)
• SODA10M: Towards Large-Scale Object Detection Benchmark for Autonomous Driving [94.11868795445798]
  我々は,SODA10Mという名の自律走行用大規模物体検出ベンチマークをリリースし,1000万枚の未ラベル画像と6つの代表対象カテゴリをラベル付けした20K画像を含む。 多様性を向上させるために、画像は32の異なる都市で、1フレームあたり10秒毎に異なる気象条件、期間、場所のシーンで収集される。 我々は、既存の教師付き最先端検出モデル、一般的な自己監督型および半教師付きアプローチ、および将来のモデルの開発方法に関するいくつかの知見について、広範な実験と詳細な分析を行った。
  論文  参考訳（メタデータ） (2021-06-21T13:55:57Z)
• 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)
• The NEOLIX Open Dataset for Autonomous Driving [1.4091801425319965]
  自律走行領域におけるNEOLIXデータセットとその応用について述べる。 私たちのデータセットには、ポイントクラウドラベル付き約30,000フレームと、アノテーション付き600k以上の3Dバウンディングボックスが含まれています。
  論文  参考訳（メタデータ） (2020-11-27T02:27:39Z)

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。