論文の概要: HetroD: A High-Fidelity Drone Dataset and Benchmark for Autonomous Driving in Heterogeneous Traffic

• arxiv url: http://arxiv.org/abs/2602.03447v1
• Date: Tue, 03 Feb 2026 12:12:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.436873
• Title: HetroD: A High-Fidelity Drone Dataset and Benchmark for Autonomous Driving in Heterogeneous Traffic
• Title（参考訳）: HetroD:ヘテロジニアス交通における自律走行のための高忠実なドローンデータセットとベンチマーク
• Authors: Yu-Hsiang Chen, Wei-Jer Chang, Christian Kotulla, Thomas Keutgens, Steffen Runde, Tobias Moers, Christoph Klas, Wei Zhan, Masayoshi Tomizuka, Yi-Ting Chen,
• Abstract要約: HetroDは、異種環境で自律走行システムを開発するためのデータセットとベンチマークである。 HetroDは、VRU(vulner- able road users)が支配する現実の異種交通のナビゲーティングにおける重要な課題をターゲットにしている。
• 参考スコア（独自算出の注目度）: 49.31491001465465
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present HetroD, a dataset and benchmark for developing autonomous driving systems in heterogeneous environments. HetroD targets the critical challenge of navi- gating real-world heterogeneous traffic dominated by vulner- able road users (VRUs), including pedestrians, cyclists, and motorcyclists that interact with vehicles. These mixed agent types exhibit complex behaviors such as hook turns, lane splitting, and informal right-of-way negotiation. Such behaviors pose significant challenges for autonomous vehicles but remain underrepresented in existing datasets focused on structured, lane-disciplined traffic. To bridge the gap, we collect a large- scale drone-based dataset to provide a holistic observation of traffic scenes with centimeter-accurate annotations, HD maps, and traffic signal states. We further develop a modular toolkit for extracting per-agent scenarios to support downstream task development. In total, the dataset comprises over 65.4k high- fidelity agent trajectories, 70% of which are from VRUs. HetroD supports modeling of VRU behaviors in dense, het- erogeneous traffic and provides standardized benchmarks for forecasting, planning, and simulation tasks. Evaluation results reveal that state-of-the-art prediction and planning models struggle with the challenges presented by our dataset: they fail to predict lateral VRU movements, cannot handle unstructured maneuvers, and exhibit limited performance in dense and multi-agent scenarios, highlighting the need for more robust approaches to heterogeneous traffic. See our project page for more examples: https://hetroddata.github.io/HetroD/
• Abstract（参考訳）: 異種環境における自律走行システム構築のためのデータセットとベンチマークであるHetroDを提案する。 HetroDは、歩行者、サイクリスト、そして車両と対話するモーターサイクリストを含む、悪質な道路利用者(VRU)が支配する現実の異質なトラフィックをナビから引き出すという重要な課題をターゲットにしている。 これらの混合エージェントタイプは、フックターン、車線分割、非公式な左右交渉のような複雑な振る舞いを示す。 このような行動は、自動運転車にとって重大な課題となるが、構造化された車線分割された交通に焦点を当てた既存のデータセットでは、まだ不足している。 このギャップを埋めるために、我々は大規模なドローンベースのデータセットを収集し、センチメートルの正確なアノテーション、HDマップ、交通信号状態による交通シーンの全体像を観察する。 さらに,下流タスク開発を支援するために,エージェントごとのシナリオを抽出するモジュールツールキットを開発した。 データセットは合計65.4k以上の高忠実度エージェント軌道で構成されており、そのうち70%はVRUからのものである。 HetroDは高密度で不均一なトラフィックにおけるVRU動作のモデリングをサポートし、予測、計画、シミュレーションタスクのための標準ベンチマークを提供する。 評価結果は,現在最先端の予測と計画モデルが,我々のデータセットが提示する課題に苦慮していることを明らかにしている。横方向のVRUの動きを予測できず,非構造的な操作を処理できず,密集したマルチエージェントシナリオで限られた性能を示し,不均一なトラフィックに対するより堅牢なアプローチの必要性を強調している。 詳しくはプロジェクトのページを参照してください。

関連論文リスト

• Pedestrian Intention and Trajectory Prediction in Unstructured Traffic Using IDD-PeD [26.011293248078797]
  本研究では,非構造環境における歩行者行動のモデル化の複雑さに対処するために,インドにおける歩行者行動データセットを提案する。 このデータセットは、エゴ車両の注意を必要とする歩行者に焦点を当てた、高レベルで詳細な低レベルな包括的なアノテーションを提供する。
  論文  参考訳（メタデータ） (2025-06-27T10:41:18Z)
• OnSiteVRU: A High-Resolution Trajectory Dataset for High-Density Vulnerable Road Users [41.63444034391952]
  本研究は,交差点,道路セグメント,都市村など,様々なシナリオをカバーするOnSiteVRUデータセットを開発した。 データセットは、自動車、電動自転車、人力自転車の軌道データを提供し、約17,429の軌道を0.04秒精度で収集する。 その結果、VRU_DataはVRU密度とシーンカバレッジの点で従来のデータセットよりも優れており、VRUの行動特性をより包括的に表現できることがわかった。
  論文  参考訳（メタデータ） (2025-03-30T08:44:55Z)
• Roundabout Dilemma Zone Data Mining and Forecasting with Trajectory Prediction and Graph Neural Networks [23.098974945647683]
  本稿では、軌道予測を利用してDZイベントを予測する自動システムについて述べる。 本システムは,自律走行と手動走行の両方において,安全基準を強化することを目的としている。
  論文  参考訳（メタデータ） (2024-09-01T05:47:58Z)
• Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
  RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。 データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)
• Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
  実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。 私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-15T03:03:38Z)
• Trajectron++: Dynamically-Feasible Trajectory Forecasting With Heterogeneous Data [37.176411554794214]
  人間の動きに関する推論は、安全で社会的に認識されたロボットナビゲーションにとって重要な前提条件である。 我々は,多種多様なエージェントの軌道を予測できるモジュール型グラフ構造化リカレントモデルであるTrajectron++を提案する。 実世界の軌道予測データセットにおいて,その性能を実証する。
  論文  参考訳（メタデータ） (2020-01-09T16:47:17Z)

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。