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
• 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

• EngineAD: A Real-World Vehicle Engine Anomaly Detection Dataset [7.231276782144985]
  EngineADは、6ヶ月間に25台の商用車両から収集された高解像度センサーテレメトリを含む新しいデータセットである。 データを$300の時間ステップのプリンシパルコンポーネントにプリプロセスし、9つの異なる1クラスの異常検出モデルを用いて初期ベンチマークを作成する。 本実験は,車種間の性能変動を顕著に明らかにし,車種間一般化の課題を浮き彫りにした。
  論文  参考訳（メタデータ） (2026-03-26T22:47:45Z)
• PAVE: An End-to-End Dataset for Production Autonomous Vehicle Evaluation [11.024538259188347]
  このデータセットには、市場で生産される自動運転車モデルから100時間以上の自然科学的なデータが含まれている。 各キーフレームには、過去6秒と将来の5秒にまたがる20Hzの車両軌跡と、周辺車両、歩行者、信号機、交通標識の詳細な2Dアノテーションが提供されている。 AVの安全性を評価するために、自動運転車のフレーム上で平均変位誤差(ADE)1.4mの車両軌道を予測できるエンドツーエンドの運動計画モデルを用いる。
  論文  参考訳（メタデータ） (2025-11-18T06:41:34Z)
• Towards Foundational Models for Single-Chip Radar [49.896124982717716]
  mmWaveレーダーは小型で安価で耐久性のあるセンサーで、天気や暗闇といった環境条件によらず機能する。 これは角分解能の低さ、特に自動車や屋内センサーの用途で一般的に使用される安価な単チップレーダーのコストが伴う。 我々は、4Dシングルチップレーダーの基本モデルを訓練し、3D占有率とセマンティックセマンティックセグメンテーションを、高解像度センサーでのみ可能な品質で予測できる。
  論文  参考訳（メタデータ） (2025-09-15T22:06:17Z)
• Cosmos-Drive-Dreams: Scalable Synthetic Driving Data Generation with World Foundation Models [59.30855532305708]
  私たちは,挑戦的なシナリオを生成することを目的とした,合成データ生成パイプラインであるCosmos-Drive-Dreamsを紹介した。 このパイプラインを駆動するCosmos-Driveは、運転ドメインのためのNVIDIA Cosmosファウンデーションモデルに特化したモデルのスイートである。 高忠実で挑戦的なシナリオで運転の量と多様性を拡大するためにコスモス・ドライブ・ドレームを応用することで、これらのモデルの有用性を実証する。
  論文  参考訳（メタデータ） (2025-06-10T17:58:17Z)
• SKoPe3D: A Synthetic Dataset for Vehicle Keypoint Perception in 3D from Traffic Monitoring Cameras [26.457695296042903]
  道路側から見たユニークな合成車両キーポイントデータセットであるSKoPe3Dを提案する。 SKoPe3Dには150万以上の車両インスタンスと490万のキーポイントがある。 実験では、データセットの適用性と、合成データと実世界のデータ間の知識伝達の可能性を強調した。
  論文  参考訳（メタデータ） (2023-09-04T02:57:30Z)
• 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)
• 3D-VField: Learning to Adversarially Deform Point Clouds for Robust 3D Object Detection [111.32054128362427]
  安全クリティカルな環境では、アウト・オブ・ディストリビューションとロングテールサンプルの堅牢性は、危険な問題を回避するのに不可欠である。 トレーニング中の変形点雲を考慮した3次元物体検出器の領域外データへの一般化を著しく改善する。 我々は、リアルに損傷を受けた稀な車の合成データセットであるCrashDを提案し、共有する。
  論文  参考訳（メタデータ） (2021-12-09T08:50:54Z)
• 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)

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。