日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自動運転データセットarXiv:2611.20574

ExtremeDrive: 危険運転シナリオの実世界データセットとベンチマーク

ExtremeDrive: A Real-World Dataset and Benchmark for Critical Driving

シェア:XThreadsFacebookLINEはてブBluesky

緊急操作や悪路・悪天候など安全上重要な運転シーンを集めた実世界データセットと、計画軌道を模擬走行で評価するベンチマークを構築した。

詳しい要約

1. どんなもの?

- 実世界の自動運転データセット兼ベンチマーク「ExtremeDrive」 - 緊急操作、複雑な交通相互作用、滑りやすい/雪に覆われた道路などの悪環境を含む - 通常走行も併せて収録 - 589のdriving sceneを大規模な実走行記録から選別 - キャリブレーション・位置合わせ済みのmultisensorデータ - 道路構造と交通参加者のレビュー済みアノテーション - 計画軌道をsimulated vehicle executionで評価するベンチマークを構築 - 安全性関連指標とdriving performanceを測定

2. 先行研究と比べてどこがすごい?

- 既存のautonomous drivingデータセット/ベンチマークは通常走行向けの資源が中心 - 安全-criticalシナリオや極端な環境条件を扱う実世界データは限られていた - ExtremeDriveはこれらを通常走行と共に統一リソースとして提供 - 緊急操作・複雑な交通相互作用・悪環境をカバー - 等しいtraining set sizeでの実験で、critical driving dataの追加が - trajectory prediction errorを低減 - critical scenarioでのmean critical-success rateを改善 - 具体的な先行研究名との比較は要旨からは不明

3. 技術・手法の肝は?

- 大規模な実走行記録から589のdriving sceneをキュレーション - multisensorデータのキャリブレーションと位置合わせ - 道路構造・交通参加者のアノテーションをレビュー - 計画軌道をsimulated vehicle executionで実行し評価するベンチマークを設計 - 安全性関連指標とdriving performanceを計測 - 等しいtraining set sizeでの比較実験によりcritical driving dataの効果を検証

4. どうやって有効だと検証した?

- 等しいtraining set sizeでの実験を実施 - critical driving dataを加えることで - trajectory prediction errorが低減 - critical scenarioでのmean critical-success rateが改善 - ベンチマークはsimulated vehicle executionにより計画軌道の安全性指標とdriving performanceを測定 - 具体的な数値・被験者数・比較対象の詳細は要旨からは不明

5. 議論はある?

- 安全-criticalシナリオと極端な環境条件に対する統一的な学習・評価資源の必要性を提示 - critical driving dataの追加が予測誤差とcritical-success rateを改善することを示唆 - データセット規模(589 scenes)やシナリオ網羅性の限界、simulated executionと実車のギャップなどの議論は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照・比較されている個別研究は明示されていない - 同分野の定番として以下が候補 - nuScenes - Waymo Open Dataset - Argoverse - CARLAベースのbenchmark - safety-critical scenario生成・評価に関する研究 - trajectory predictionおよびplanningのbenchmark研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Xinhan Li, Yuhong Jiang, Shiyue Zhao, Junzhi Zhang, Chengkun He, Ruihai Ma, Shijie Zhao, Wenxuan Cheng, Jinbo Lv, Tao Liu

分類: cs.RO, eess.SY

原文アブストラクト

Existing autonomous driving datasets and benchmarks provide extensive resources for routine driving, yet real-world data covering safety-critical scenarios and extreme environmental conditions remain limited. To address this gap, we present ExtremeDrive, a real-world dataset and benchmark covering emergency maneuvers, complex traffic interactions, and adverse conditions such as slippery or snow-covered roads, alongside routine driving. The dataset comprises 589 driving scenes curated from a larger pool of real-world driving recordings, with calibrated and aligned multisensor data and reviewed annotations of road structure and traffic participants. We further establish a benchmark to evaluate planned trajectories through simulated vehicle execution, measuring safety-related metrics and driving performance. Experiments at equal training set sizes show that incorporating critical driving data reduces trajectory prediction errors and improves mean critical-success rates in critical scenarios. ExtremeDrive provides a unified resource for learning and evaluating autonomous driving in safety-critical scenarios and extreme environmental conditions.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2Google DeepMind、ロボット向けAIを発表新製品・発表
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  5. 5SoftBank主導、Agile Robotsが5億ドル調達 NVIDIAと日立も参加資金調達

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI