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

要約

タイトル：V2X 自律走行のモーションと事故予測のための DeepAccident データセット

要約：

– 安全性は自律走行の最優先事項であるが、現在公開されているデータセットは、自律走行の直接的で説明可能な安全性評価をサポートしていない。
– DeepAccident は、現実的なシミュレータで生成された大規模なデータセットであり、実世界では頻繁に発生する多様な事故シナリオを含んでいる。
– DeepAccident データセットには、約 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、40k の注釈付きサンプルを持つ大規模な nuScenes データセットの約 7 倍に相当する。
– さらに、提案されたデータセットに基づいて、エンドツーエンドのモーションと事故予測の新しいタスクを提案し、異なる自律走行アルゴリズムの事故予測能力を直接評価することができる。
– また、各シナリオには 4 台の車両とインフラストラクチャが設置され、事故シナリオに対する多様な視点を提供し、V2X（車両間通信）に関する知覚と予測タスクの研究を可能にする。
– 最後に、V2X モデルのベースラインである V2XFormer を提供し、単一車両モデルと比較して、モーションと事故予測および 3D オブジェクト検出の優れた性能を実証する。

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 contains 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, based on the proposed dataset, 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, OpenAI