論文の概要: Boreas Road Trip: A Multi-Sensor Autonomous Driving Dataset on Challenging Roads
- arxiv url: http://arxiv.org/abs/2602.16870v1
- Date: Wed, 18 Feb 2026 20:53:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.557945
- Title: Boreas Road Trip: A Multi-Sensor Autonomous Driving Dataset on Challenging Roads
- Title（参考訳）: Boreas Road Trip: 混在する道路上のマルチセンサ自律運転データセット
- Abstract要約: Boreas-RTは9つの現実世界のルートで収集された60のシーケンスで構成され、総走行距離は643kmである。
データ収集プラットフォームには、5MPのFLIR Blackfly Sカメラ、360度ナビテックRAS6ドップラー対応回転レーダー、128チャンネルのVelodyne Alpha Prime lidar、Dynaparホイールエンコーダが含まれる。
- 参考スコア（独自算出の注目度）: 9.445873585799813
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Boreas Road Trip (Boreas-RT) dataset extends the multi-season Boreas dataset to new and diverse locations that pose challenges for modern autonomous driving algorithms. Boreas-RT comprises 60 sequences collected over 9 real-world routes, totalling 643 km of driving. Each route is traversed multiple times, enabling evaluation in identical environments under varying traffic and, in some cases, weather conditions. The data collection platform includes a 5MP FLIR Blackfly S camera, a 360 degree Navtech RAS6 Doppler-enabled spinning radar, a 128-channel 360 degree Velodyne Alpha Prime lidar, an Aeva Aeries II FMCW Doppler-enabled lidar, a Silicon Sensing DMU41 inertial measurement unit, and a Dynapar wheel encoder. Centimetre-level ground truth is provided via post-processed Applanix POS LV GNSS-INS data. The dataset includes precise extrinsic and intrinsic calibrations, a publicly available development kit, and a live leaderboard for odometry and metric localization. Benchmark results show that many state-of-the-art odometry and localization algorithms overfit to simple driving environments and degrade significantly on the more challenging Boreas-RT routes. Boreas-RT provides a unified dataset for evaluating multi-modal algorithms across diverse road conditions. The dataset, leaderboard, and development kit are available at www.boreas.utias.utoronto.ca.
- Abstract（参考訳）: Boreas Road Trip(Boreas-RT)データセットは、マルチシーズンのBoreasデータセットを、現代的な自律運転アルゴリズムに挑戦する新たなさまざまな場所に拡張する。
Boreas-RTは9つの現実世界のルートで収集された60のシーケンスから構成され、総走行距離は643kmである。
各経路は複数回横断し、異なる交通環境と場合によっては気象条件下での同一環境の評価を可能にする。
データ収集プラットフォームには、5MP FLIR Blackfly Sカメラ、360度ナビテックRAS6ドップラー対応回転レーダー、128チャンネルのVelodyne Alpha Prime lidar、Aeva Aeries II FMCWドップラー対応ライダー、Silicon Sensing DMU41慣性測定ユニット、ダイナパルホイールエンコーダが含まれる。
時刻レベル基底真理は、後処理のApplanix POS LV GNSS-INSデータを介して提供される。
このデータセットには、正確な外生・内生のキャリブレーション、公開されている開発キット、および計測とメートル法ローカライゼーションのためのライブリーダーボードが含まれている。
ベンチマークの結果は、多くの最先端のオドメトリとローカライゼーションアルゴリズムが単純な運転環境に過度に適合し、より困難なBoreas-RTルートで著しく劣化していることを示している。
Boreas-RTは、様々な道路条件にまたがるマルチモーダルアルゴリズムを評価するための統合データセットを提供する。
データセット、リーダーボード、開発キットはwww.boreas.utias.utoronto.caで入手できる。
関連論文リスト
- OctoSense: Self-Supervised Learning for Multimodal Robot Perception [50.20346079739425]
ステレオカメラとイベントカメラ、LiDAR、サーマルカメラ、慣性測定ユニット、プロプリセプション(車からのCANバスデータ、四足歩行ロボットの関節角度)を備えたオープンソースのセンサプラットフォームであるOctoSenseについて述べる。
匿名のOctoSenseデータセットには、59時間の時間同期駆動データが含まれている。
このような実世界のデータを用いて,センサの表現,周波数,レイテンシ,ノイズの異なるマルチモーダル自己教師型学習を実演する。
論文 参考訳（メタデータ） (2026-06-25T17:30:49Z) - The Road Ahead in Autonomous Driving: The KITScenes Multimodal Dataset [40.9969354835513]
KITScenes Multimodalは、高忠実度センサーとマップを中心に構築されたヨーロッパのデータセットである。
当社のHDマップは,オープンソースソフトウェア上での自動運転試験を通じて検証されたセンサデータセットの中で,最も完全なものです。
パブリックデータセットで初めて、交通信号などの運転関連トラフィック要素はすべて、3Dで再投射精度の高いレベルにマッピングされる。
論文 参考訳（メタデータ） (2026-06-01T23:23:14Z) - CARD: A Multi-Modal Automotive Dataset for Dense 3D Reconstruction in Challenging Road Topography [2.365610178729227]
CARDは、高速バンプ、ポットホール、不規則な表面、オフロードセグメントに富んだ連続したシーケンスにわたって、準高密度の3D地上真実を提供する駆動データセットである。
センサースイートには、同期されたグローバルシャッターステレオカメラ、前後のLiDAR、LiDAR慣性オドメトリーからの6-DoFポーズ、ホイール毎の動きトレース、フルキャリブレーションが含まれています。
データセットはドイツとイタリアで110kmから4.7時間に及ぶ。
論文 参考訳（メタデータ） (2026-05-06T15:13:18Z) - U6G XL-MIMO Radiomap Prediction: Multi-Config Dataset and Beam Map Approach [62.11972168232143]
XL-MIMOを搭載した上位6GHz帯(U6G)は、第6世代の無線システムにとって重要なイネーブルである。
既存のデータセットは、主に等方性アンテナを持つ小さな配列しかサポートしていない。
本稿では,XL-MIMOラジオマップを3つの側面から予測する。
論文 参考訳（メタデータ） (2026-03-06T15:44:27Z) - Efficient Autonomous Navigation of a Quadruped Robot in Underground Mines on Edge Hardware [0.5371337604556311]
地下鉱山での身体的ナビゲーションは、狭い通路、不均一な地形、ほぼ全天の闇、GPSによる汚染条件、限られた通信インフラなど、重大な課題に直面している。
我々は、Boston Dynamics Spotロボットのための完全に自律的なナビゲーションスタックを提示し、GPUなしで、ネットワーク接続を必要としない低消費電力のIntelコンピュータエッジで完全に動作する。
実験地中地雷の難易度が異なる4地点を対象とし, 完全自律走行の700m以上を, 全20回の試験で100%成功率で蓄積し, 実地試験を繰り返し検証した。
論文 参考訳（メタデータ） (2026-03-04T02:23:55Z) - Spatial Retrieval Augmented Autonomous Driving [81.39665750557526]
既存の自動運転システムは、環境認識のためのセンサーに頼っている。
本稿では,オフラインで取得した地理画像を付加入力として導入する空間検索パラダイムを提案する。
この新しい自動運転パラダイムのさらなる研究のために、データセットキュレーションコード、データ、ベンチマークをオープンソースにします。
論文 参考訳（メタデータ） (2025-12-07T14:40:49Z) - HeRCULES: Heterogeneous Radar Dataset in Complex Urban Environment for Multi-session Radar SLAM [9.462058316827804]
HeRCULESデータセットは、ヘテロジニアスレーダー、FMCW LiDAR、IMU、GPS、カメラを備えた包括的なマルチモーダルデータセットである。
これは、FMCW LiDARと並行して4Dレーダと回転レーダを統合する最初のデータセットであり、非並列なローカライゼーション、マッピング、位置認識機能を提供する。
論文 参考訳（メタデータ） (2025-02-04T02:41:00Z) - V2X-Radar: A Multi-modal Dataset with 4D Radar for Cooperative Perception [61.58737390490639]
V2X-Radarは、4Dレーダを特徴とする世界初の大規模実世界のマルチモーダルデータセットである。
データセットは20KのLiDARフレーム、40Kのカメライメージ、350Kの注釈付きボックスを含む20Kの4Dレーダデータで構成されている。
様々な研究領域をサポートするために, 協調認識のためのV2X-Radar-C, 路面認識のためのV2X-Radar-I, 単車知覚のためのV2X-Radar-Vを確立した。
論文 参考訳（メタデータ） (2024-11-17T04:59:00Z) - RoadRunner M&M -- Learning Multi-range Multi-resolution Traversability Maps for Autonomous Off-road Navigation [12.835198004089385]
RoadRunner (M&M) はエンドツーエンドの学習ベースのフレームワークで、さまざまな範囲のトレーバービリティと標高マップを直接予測する。
RoadRunner M&Mは、標高マッピングで最大50%の大幅な改善と、RoadRunner上でのトラバーサビリティ推定で30%の大幅な改善を実現している。
論文 参考訳（メタデータ） (2024-09-17T07:21:03Z) - 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) - RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and
Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。
我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。
約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文 参考訳（メタデータ） (2023-10-03T17:59:32Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - PixSet : An Opportunity for 3D Computer Vision to Go Beyond Point Clouds
With a Full-Waveform LiDAR Dataset [0.11726720776908521]
Leddar PixSetは、自動運転研究開発のための新しい公開データセット(dataset.leddartech.com)である。
ピクセットデータセットは、高密度の都市部で記録された97のシーケンスから約29kフレームを含む。
論文 参考訳（メタデータ） (2021-02-24T01:13:17Z) - 4Seasons: A Cross-Season Dataset for Multi-Weather SLAM in Autonomous Driving [43.09957836757648]
本稿では,自律運転における季節的・挑戦的な知覚条件をカバーする新しいデータセットを提案する。
その中には、視覚計測、グローバルな位置認識、マップベースの再位置追跡などが含まれる。
論文 参考訳（メタデータ） (2020-09-14T12:31:20Z)
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。