DeepAccident: A Motion and Accident Prediction Benchmark for V2X Autonomous Driving

要約

自動運転では安全が最優先されます。
それにもかかわらず、現在、自動運転の直接的かつ説明可能な安全性評価をサポートする公開されたデータセットはありません。
この研究では、現実世界の運転で頻繁に発生するさまざまな事故シナリオを含む現実的なシミュレーターを介して生成された大規模なデータセットである DeepAccident を提案します。
提案された 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 40K の注釈付きサンプルを含む大規模な nuScenes データセットの約 7 倍です。
さらに、さまざまな自動運転アルゴリズムの事故予測能力を直接評価するために使用できる、エンドツーエンドの動作および事故予測という新しいタスクを提案します。
さらに、シナリオごとに 4 台の車両と 1 つのインフラストラクチャを設定してデータを記録することで、事故シナリオに多様な視点を提供し、知覚と予測タスクに関する V2X (Vehicle-to-Everything) 研究を可能にします。
最後に、V2XFormer という名前のベースライン V2X モデルを紹介します。これは、単一車両モデルと比較して、動きと事故の予測、および 3D オブジェクトの検出において優れたパフォーマンスを示します。

要約(オリジナル)

Safety is the primary priority of autonomous driving. Nevertheless, no published dataset currently supports the direct and explainable safety evaluation for autonomous driving. In this work, we propose DeepAccident, a large-scale dataset generated via a realistic simulator containing diverse accident scenarios that frequently occur in real-world driving. The proposed DeepAccident dataset includes 57K annotated frames and 285K annotated samples, approximately 7 times more than the large-scale nuScenes dataset with 40k annotated samples. In addition, we propose a new task, end-to-end motion and accident prediction, which can be used to directly evaluate the accident prediction ability for different autonomous driving algorithms. Furthermore, for each scenario, we set four vehicles along with one infrastructure to record data, thus providing diverse viewpoints for accident scenarios and enabling V2X (vehicle-to-everything) research on perception and prediction tasks. Finally, we present a baseline V2X model named V2XFormer that demonstrates superior performance for motion and accident prediction and 3D object detection compared to the single-vehicle model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google