論文の概要: VZCrash: A Large-Scale IMU Dataset of Ego-Vehicle Crashes

• arxiv url: http://arxiv.org/abs/2606.06074v1
• Date: Thu, 04 Jun 2026 12:12:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.775858
• Title: VZCrash: A Large-Scale IMU Dataset of Ego-Vehicle Crashes
• Title（参考訳）: VZCrash:Ego-Vehicleの大規模IMUデータセット
• Authors: Tommaso Bianconcini, Henrique Piñeiro Monteagudo, Aurel Pjetri, Tomaso Trinci, Leonardo Taccari,
• Abstract要約: Inertial Measurement Unit(IMU)テレメトリを特徴とする,実世界の車両衝突データの公開データセットとして最大であるVZCrashを紹介する。 データセットには、31,000件以上の検証済みのクラッシュと、158,000件の陰性サンプルが含まれている。
• 参考スコア（独自算出の注目度）: 4.248666380057258
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce VZCrash, the largest publicly available dataset of real-world vehicle collision data featuring Inertial Measurement Unit (IMU) telemetry. The dataset contains more than 31,000 validated crashes and 158,000 negative samples, including hard cases and distractors. Each sample includes acceleration and angular velocity at 100 Hz, and GPS speed at 1 Hz. Events in VZCrash were captured by devices installed on a fleet of 73,010 commercial vehicles of different sizes driving in the United States over the span of several years. We also present an extensive experimental study enabled by the volume of the dataset. We first benchmark several different approaches, from a simple threshold-based heuristic to state-of-the-art deep learning models. Then, we present an experiment demonstrating the importance of scaling data to train high-quality crash detection models, and we show that scale is especially important when these models need to be deployed into a real-world environment.
• Abstract（参考訳）: Inertial Measurement Unit(IMU)テレメトリを特徴とする,実世界の車両衝突データの公開データセットとして最大であるVZCrashを紹介する。 データセットには、31,000件以上の検証済みのクラッシュと、158,000件の陰性サンプルが含まれている。 それぞれのサンプルは、加速度と角速度を100Hz、GPS速度を1Hzとする。 VZCrashのイベントは、数年間にわたって米国内で異なる大きさの73,010台の商用車両に搭載された装置によって捉えられた。 また,データセットのボリュームが有効であることを示す。 まず、簡単なしきい値に基づくヒューリスティックから最先端のディープラーニングモデルまで、いくつかの異なるアプローチをベンチマークする。 そこで本研究では,高品質なクラッシュ検出モデルをトレーニングするためのデータスケーリングの重要性を示す実験を行い,これらのモデルを実環境に展開する必要がある場合,特にスケールが重要であることを示す。

関連論文リスト

• 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)
• 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。