論文の概要: CooperScene: Multi-Modal Cooperative Autonomy Benchmark with C-V2X Communication Characterization

• arxiv url: http://arxiv.org/abs/2606.31219v1
• Date: Tue, 30 Jun 2026 06:57:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.107981
• Title: CooperScene: Multi-Modal Cooperative Autonomy Benchmark with C-V2X Communication Characterization
• Title（参考訳）: CooperScene: C-V2X通信特性とマルチモーダル協調オートノミーベンチマーク
• Abstract要約: CooperSceneは、現実世界のC-V2X通信特性を特徴付ける高忠実な協調的自律性データセットである。 3台のコネクテッド・自動運転車(CAV)と1台のインフラストラクチャ・ロードサイド・ユニット(RSU)を含むシーン。 すべてのシーンは、59Kフレームで合計344Kオブジェクトからなる10Hzで、グローバルに一貫した3Dラベルで注釈付けされている。
• 参考スコア（独自算出の注目度）: 18.54472796888168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cellular vehicle-to-everything (C-V2X) enables cooperative perception, prediction, and planning beyond the field of view of individual agents. However, existing datasets often overlook the complexities of real-world deployment, such as limited communication bandwidth and its dynamics, heterogeneous sensing modalities, and scalability beyond a single cooperative partner. In this paper, we introduce CooperScene, a high-fidelity cooperative autonomy dataset with real-world C-V2X communication characterization. The dataset is organized into diverse scenes, including intersections, highway ramps, and parking lots. These scenes involve three connected and autonomous vehicles (CAVs) and one infrastructure roadside unit (RSU), all equipped with multi-modal sensors and commercial off-the-shelf C-V2X communication radios. All scenes are annotated with globally consistent 3D labels at 10 Hz, totaling 344K objects across 59K frames, underpinned by tight sensor- and agent-synchronization, centimeter-level localization and spatial alignment, precise cross-modality calibration, and 3GPP-standard-compliant C-V2X communication. CooperScene establishes a rigorous benchmark for evaluating multi-agent scaling and actual performance in real-world deployable settings. Project website for data and benchmark: https://cisl.ucr.edu/CooperScene
• Abstract（参考訳）: セルラー車間通信(C-V2X)は、個々のエージェントの視点を超えた協調的な認識、予測、計画を可能にする。 しかし、既存のデータセットは、限られた通信帯域幅とそのダイナミクス、異種感性、単一パートナー以上のスケーラビリティなど、現実のデプロイメントの複雑さを見落としていることが多い。 本稿では,現実のC-V2X通信特性を持つ高忠実な協調自律型データセットであるCooperSceneを紹介する。 データセットは、交差点、ハイウェイランプ、駐車場など、さまざまなシーンで構成されている。 これらのシーンには3台のコネクテッド・自動運転車(CAV)と1台のインフラストラクチャ・ロードサイド・ユニット(RSU)が含まれ、すべてマルチモーダルセンサーと市販の市販のC-V2X通信無線が搭載されている。 すべてのシーンは10Hzで一貫した3Dラベルでアノテートされ、59Kフレームで344Kオブジェクトを合計し、タイトなセンサーとエージェント同期、センチメートルレベルのローカライゼーションと空間的アライメント、正確なクロスモダリティキャリブレーション、3GPP標準準拠のC-V2X通信によって支えられている。 CooperSceneは、マルチエージェントのスケーリングと実際のパフォーマンスを実環境にデプロイ可能な環境で評価するための厳格なベンチマークを確立している。 データとベンチマークに関するプロジェクトWebサイト: https://cisl.ucr.edu/CooperScene

関連論文リスト

• SimBEV2X: A Large-Scale Dataset and Data Generation Tool for Multi-Task Vehicle-to-Everything Cooperative Perception [82.16905244601558]
  車両間通信(V2X)は、個々の自動運転車固有の物理的制限を克服することができる。 堅牢なV2Xアルゴリズムの開発は、大規模でマルチモーダルなマルチタスクデータセットの欠如によって妨げられている。 我々は,CARLAシミュレータ上に構築された高度な合成データ生成ツールであるSimBEV2Xを紹介する。
  論文  参考訳（メタデータ） (2026-07-27T00:55:44Z)
• CATS-V2V: A Real-World Vehicle-to-Vehicle Cooperative Perception Dataset with Complex Adverse Traffic Scenarios [25.181569981722976]
  本稿では,複雑な交通シナリオ下でのV2V協調認識のための,最初の実世界のデータセットであるCATS-V2Vを紹介する。 100クリップのデータセットには、10HzのLiDAR点雲の60Kフレームと、1.26Mのマルチビュー30Hzカメライメージが含まれている。 そこで本研究では,すべての物体が全センサモードで正確に整列されていることを保証し,目標に基づく時間アライメント手法を提案する。
  論文  参考訳（メタデータ） (2025-11-14T11:07:04Z)
• UrbanIng-V2X: A Large-Scale Multi-Vehicle, Multi-Infrastructure Dataset Across Multiple Intersections for Cooperative Perception [45.81880967650386]
  UrbanIng-V2Xは、時間的に整列された34のセンサーシーケンスと、20秒間続く空間的に校正されたセンサーシーケンスから構成される。 すべてのシーケンスは10Hzの周波数でアノテートされ、3D境界ボックスは13のオブジェクトクラスにまたがる。 UrbanIng-V2Xは合計12台の車載RGBカメラ、2台の車載LiDAR、17台のインフラ熱カメラ、12台のインフラLiDARからのデータを提供する。
  論文  参考訳（メタデータ） (2025-10-27T16:12:12Z)
• AGC-Drive: A Large-Scale Dataset for Real-World Aerial-Ground Collaboration in Driving Scenarios [68.84774511206797]
  AGC-DriveはAerial-Ground Cooperativeの3D知覚のための最初の大規模実世界のデータセットである。 AGC-Driveには350のシーンがあり、それぞれ約100のフレームと13のオブジェクトカテゴリをカバーする完全な注釈付き3Dバウンディングボックスがある。 車両間協調認識と車両間協調認識の2つの3次元タスクのベンチマークを提供する。
  論文  参考訳（メタデータ） (2025-06-19T14:48:43Z)
• WHALES: A Multi-Agent Scheduling Dataset for Enhanced Cooperation in Autonomous Driving [14.977628973132099]
  WHALESは,通信対応エージェントスケジューリングとスケーラブルな協調認識のベンチマークのために設計された,最初の大規模V2Xデータセットである。 WHALESは、シーンごとに平均8.4の協調エージェントと、さまざまな交通シナリオにまたがる2100万の注釈付き3Dオブジェクトを備えている。 リアルタイム通信ボトルネックをエミュレートするために、詳細な通信メタデータを組み込んでおり、スケジューリング戦略の厳密な評価を可能にしている。
  論文  参考訳（メタデータ） (2024-11-20T14:12:34Z)
• Multi-V2X: A Large Scale Multi-modal Multi-penetration-rate Dataset for Cooperative Perception [3.10770247120758]
  本稿では,V2X知覚のための大規模・マルチモーダル・マルチペネレーションレートデータセットであるMulti-V2Xを紹介する。 私たちのMulti-V2Xデータセットは、合計549kのRGBフレーム、146kのLiDARフレーム、4,219kの注釈付き3Dバウンディングボックスで構成されています。 最も高いCAV侵入率は86.21%に達し、通信範囲に31のエージェントがある。
  論文  参考訳（メタデータ） (2024-09-08T05:22:00Z)
• CooPre: Cooperative Pretraining for V2X Cooperative Perception [47.00472259100765]
  CooPreは、V2X協調知覚のための自己教師型学習フラムワークである。 異種V2Xエージェント間の3D特徴に効果的に注意を向けることのできる,V2Xバードアイビュー(BEV)ガイドマスキング戦略を開発した。 CooPreはV2X-Realデータセットで4%のmAP改善を実現し、トレーニングデータの50%しか使用せず、ベースラインのパフォーマンスを上回っている。
  論文  参考訳（メタデータ） (2024-08-20T23:39:26Z)
• V2X-Real: a Large-Scale Dataset for Vehicle-to-Everything Cooperative Perception [22.3955949838171]
  V2X-Realは大規模なデータセットで、複数の車両とスマートインフラストラクチャが混在している。 我々のデータセットには33KのLiDARフレームと171Kのカメラデータが含まれており、非常に困難な都市シナリオでは10のカテゴリに1.2Mの注釈付きバウンディングボックスがある。
  論文  参考訳（メタデータ） (2024-03-24T06:30:02Z)
• V2V4Real: A Real-world Large-scale Dataset for Vehicle-to-Vehicle Cooperative Perception [49.7212681947463]
  車両から車両への協調認識システム(V2V)は、自動運転産業に革命をもたらす大きな可能性を秘めている。 V2V4Realは、V2V知覚のための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。 我々のデータセットは、20KのLiDARフレーム、40KのRGBフレーム、240Kの注釈付き5クラスの3Dバウンディングボックス、HDMapからなる410kmの走行領域をカバーしている。
  論文  参考訳（メタデータ） (2023-03-14T02:49:20Z)
• V2X-ViT: Vehicle-to-Everything Cooperative Perception with Vision Transformer [58.71845618090022]
  我々は、道路上のエージェント間で情報を融合するために、V2X-ViTという全体論的アテンションモデルを構築した。 V2X-ViTは異質なマルチエージェント自己アテンションとマルチスケールウィンドウ自己アテンションの交互層から構成される。 我々のアプローチを検証するために、我々は大規模なV2X知覚データセットを作成します。
  論文  参考訳（メタデータ） (2022-03-20T20:18:25Z)

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。