論文の概要: Autonomous Driving Research Requires a Community-Driven Data Paradigm

• arxiv url: http://arxiv.org/abs/2610.08825v1
• Date: Fri, 25 Sep 2026 16:44:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 16:33:44.545622
• Title: Autonomous Driving Research Requires a Community-Driven Data Paradigm
• Title（参考訳）: 自律運転研究はコミュニティ駆動のデータパラダイムを必要とする
• Abstract要約: 自動運転車の研究には、共同でコミュニティ主導のデータパラダイムが必要だ、と私たちは主張する。 私たちは、その重要な原則を概説し、早期実現を説明し、アカデミックと産業をまたがるコラボレーションを求めます。
• 参考スコア（独自算出の注目度）: 50.271851873952706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous driving has made remarkable progress, with recent AI advances enabling commercial deployments that are reshaping urban mobility. Yet the field remains far from its universal social promise: autonomous systems that can operate robustly anywhere, anytime, for anyone. We posit that this gap is not merely a modeling problem, but a problem of the prevailing data paradigm. Current research relies heavily on a few benchmark datasets with limited spatial and scenario coverage, even though the community has collectively produced over 600 autonomous driving datasets across nearly 50 countries. However, this abundance has not translated into broad research impact: most datasets remain significantly underused due to fragmentation, limited visibility, incompatible protocols, and benchmark incentives that concentrate attention on a few dominant datasets. We therefore argue that autonomous driving research requires a collaborative, community-driven data paradigm. Such a paradigm would improve the discovery, reuse, integration, and evaluation of diverse datasets; make underexplored data easier and more rewarding to study; and lower the barrier for new contributors. We outline its key principles, illustrate an early realization, and call for collaboration across academia and industry to transform fragmented datasets into shared community infrastructure for anytime-anywhere autonomy.
• Abstract（参考訳）: 自動運転は目覚ましい進歩を遂げており、近年のAIの進歩により、都市移動を形作る商業展開が可能になった。 しかし、この分野は普遍的な社会的な約束とは程遠い ― いつでもどこでも、堅牢に動作する自律システムだ。 このギャップは単なるモデリングの問題ではなく、一般的なデータパラダイムの問題であると仮定する。 現在の研究は、空間とシナリオのカバーが限られているいくつかのベンチマークデータセットに大きく依存しているが、コミュニティは50か国近くで600以上の自動運転データセットをまとめて作成している。 多くのデータセットは、断片化、限られた可視性、互換性のないプロトコル、およびいくつかの支配的なデータセットに注意を集中するベンチマークインセンティブによって著しく過小評価されている。 したがって、自律運転研究には、共同でコミュニティ主導のデータパラダイムが必要である、と我々は主張する。 このようなパラダイムは、さまざまなデータセットの発見、再利用、統合、評価を改善し、未探索のデータをより容易に研究に報奨し、新しいコントリビュータの障壁を低くする。 私たちは、その重要な原則を概説し、早期実現を例証し、あらゆる場所で自律的に、断片化されたデータセットを共有コミュニティインフラストラクチャに変換するために、学界と業界をまたがるコラボレーションを要求します。

関連論文リスト

• A Survey of World Models for Autonomous Driving [55.520179689933904]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Collaborative Perception Datasets in Autonomous Driving: A Survey [0.0]
  この論文は様々なデータセットを体系的に分析し、多様性、センサーの設定、品質、公開可用性、下流タスクへの適用性といった側面に基づいて比較する。 データセット開発におけるプライバシとセキュリティの懸念に対処することの重要性は、データ共有とデータセット生成に関して強調されている。
  論文  参考訳（メタデータ） (2024-04-22T09:36:17Z)
• Data-Centric Evolution in Autonomous Driving: A Comprehensive Survey of Big Data System, Data Mining, and Closed-Loop Technologies [16.283613452235976]
  ボトルネックを克服する鍵は、データ中心の自動運転技術にある。 効率的なデータ中心のAD技術を構築する方法に関して、体系的な知識と深い理解が欠如しています。 この記事では、最先端のデータ駆動自動運転技術について、精力的に検討する。
  論文  参考訳（メタデータ） (2024-01-23T16:28:30Z)
• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• Synthetic Datasets for Autonomous Driving: A Survey [13.287734271923565]
  実世界のデータセットは、高価で時間を要する実験とラベル付けのコストのために、要求の変化のペースに遅れずにはいられない。 ますます多くの研究者が、リッチで変化しやすいデータを生成するために、合成データセットに目を向けている。
  論文  参考訳（メタデータ） (2023-04-24T15:46:10Z)

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。