論文の概要: WorkIng: A Real-World and Synthetic Highway Work-Zone Benchmark Dataset for Autonomous Navigation
- arxiv url: http://arxiv.org/abs/2610.41772v1
- Date: Fri, 30 Oct 2026 14:11:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.76459
- Title: WorkIng: A Real-World and Synthetic Highway Work-Zone Benchmark Dataset for Autonomous Navigation
- Title（参考訳）: WorkIng: 自律走行のための実世界および合成ハイウェイワークゾーンベンチマークデータセット
- Abstract要約: デュアルドメインベンチマークとトレーニングリソースであるWorkIngを紹介します。
WorkIng-Highwayは、同期された128チャンネルのLiDAR、6台のRGBカメラ、32kmにわたるRTK-GPSを備えた360マルチモーダルワークゾーンベンチマークを提供する。
WorkIng-CARLAは6つの標準トポロジと6つの国際トラフィック標準にまたがる24の規制対応シナリオにまたがる手続きシミュレーションでこれを補完する。
- 参考スコア（独自算出の注目度）: 39.44036223885694
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Highway work zones are critical edge cases for autonomous vehicles (AVs), combining atypical geometries and jurisdiction-specific regulations that existing benchmarks fail to capture: real-world datasets lack 360° multi-modal, full-scene 3D work zone annotation, and no single recorded site can span the layouts and regulatory variants needed for generalizable models. We present WorkIng, a dual-domain benchmark and training resource. WorkIng-Highway provides a 360° multi-modal work zone benchmark with synchronized 128-channel LiDAR, six RGB cameras, and RTK-GPS across 32 km, yielding 12,000+ annotated frames and 227,399 tracked 3D bounding boxes. WorkIng-CARLA complements this with procedural simulation spanning 24 regulation-aware scenarios across six canonical topologies and six international traffic standards, populated by 100+ custom 3D assets. Benchmarking representative 3D detection and end-to-end planning architectures shows that real-world data remains the primary performance driver, and that scenario-stratified synthetic augmentation improves architectures across 2D recognition, 3D detection, and trajectory planning. Resources: https://github.com/cvims/WorkIng
- Abstract（参考訳）: 現実のデータセットには360度マルチモーダル、フルシーンの3Dワークゾーンアノテーションがなく、一般化可能なモデルに必要なレイアウトや規制のバリエーションは記録されていない。
デュアルドメインベンチマークとトレーニングリソースであるWorkIngを紹介します。
WorkIng-Highwayは、32kmにわたる128チャンネルのLiDARと6台のRGBカメラ、RTK-GPSを同期させた360度マルチモーダルワークゾーンベンチマークを提供し、12,000以上の注釈付きフレームと227,399個の追跡された3Dバウンディングボックスを提供する。
WorkIng-CARLAは6つの標準トポロジと6つの国際交通標準にまたがる24の規制対応シナリオにまたがる手続きシミュレーションでこれを補完する。
ベンチマークの代表的な3D検出とエンドツーエンドの計画アーキテクチャは、実世界のデータが依然として主要なパフォーマンスドライバであり、シナリオ階層化された合成拡張は、2D認識、3D検出、軌道計画のアーキテクチャを改善していることを示している。
リソース: https://github.com/cvims/WorkIng
関連論文リスト
- Resource-Efficient 3D Shape and Orientation Estimation of Road Users using Roadside RGB Camera and 3D Radar [0.0]
路面カメラセンサーは高さ、傾き、視野によって異なり、エンド・ツー・エンドのモデルは故障しがちである。
リアルタイムな3次元形状と配向推定のために,低コストで資源効率のよい2段階の手法を提案する。
このアルゴリズムは、歩行者、自転車、車のためのジャンクションのあるカーブした道路で、毎秒25フレームを達成できる。
論文 参考訳（メタデータ） (2026-10-13T13:58:01Z) - WZPlanner: Safe End-to-End Path Planning for Autonomous Driving in Work Zones [0.7578317317584885]
本稿では,車線境界,ワークゾーン境界,軌道選択の3次元アノテーションを備えた149K+合成および5K+実世界のマルチモーダルサンプルからなるデータセットを提案する。
また、76のクローズドループCARLAシナリオを3つの気象条件下でリプレイし、Bench2Drive-format評価ルートを生成する。
論文 参考訳（メタデータ） (2026-09-16T20:22:51Z) - Framework and Multi-modal Dataset for Roadwork Zone Detection and Geo-localization [4.788126276837108]
Roadwork Zone Detection and Geo-localization (RZDG)データセットには、シミュレーションデータと実世界のデータの両方が含まれている。
RZDGデータセットは、イメージセマンティックセグメンテーション、3Dオブジェクト検出、オブジェクトのジオローカライゼーションなど、複数の知覚タスクをサポートする。
AB3DMOTの拡張であるRZDGパイプラインも導入した。
論文 参考訳（メタデータ） (2026-07-05T14:24:42Z) - 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) - Holi-Spatial: Evolving Video Streams into Holistic 3D Spatial Intelligence [78.1406635199656]
Holi-Spatialは、人間の介入なしに生のビデオ入力から構築された、初めて完全に自動化され、大規模で、空間対応のマルチモーダルデータセットである。
Holi-Spatial-4Mは、12K最適化された3DGSシーン、1.3Mの2Dマスク、320Kの3Dバウンディングボックス、320Kのインスタンスキャプション、1.2Mの3Dグラウンドインスタンス、1.2Mの空間QAペアを含む、最初の大規模で高品質な3Dセマンティックデータセットである。
論文 参考訳（メタデータ） (2026-03-08T14:49:20Z) - 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) - IDD-3D: Indian Driving Dataset for 3D Unstructured Road Scenes [79.18349050238413]
デプロイ可能なディープラーニングアーキテクチャの準備とトレーニングには、さまざまなトラフィックシナリオに適したモデルが必要である。
インドなどいくつかの発展途上国で見られる非構造的で複雑な運転レイアウトは、これらのモデルに挑戦している。
我々は、複数のカメラと12kの注釈付き駆動LiDARフレームを備えたLiDARセンサーのマルチモーダルデータからなる新しいデータセットIDD-3Dを構築した。
論文 参考訳（メタデータ） (2022-10-23T23:03:17Z)
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。