Collaborative Perception Datasets in Autonomous Driving: A Survey

要約

この調査は、車両からインフラストラクチャ (V2I)、車両から車両 (V2V)、および車両からすべてのもの (V2X) のコンテキストにおける協調的な知覚データセットの包括的な調査を提供します。
自動運転車の認識タスクの進歩を加速する大規模ベンチマークの最新開発に焦点を当てています。
この論文では、さまざまなデータセットを体系的に分析し、多様性、センサーのセットアップ、品質、公開の可用性、下流タスクへの適用可能性などの側面に基づいてデータセットを比較しています。
また、ドメインの移行、センサーのセットアップの制限、データセットの多様性と可用性のギャップなどの主要な課題も浮き彫りにしています。
データ共有とデータセットの作成に関して、データセットの開発におけるプライバシーとセキュリティの懸念に対処することの重要性が強調されています。
この結論は、これらの課題を克服し、自動運転の可能性を最大限に活用するには、包括的で世界的にアクセス可能なデータセットと、技術コミュニティと研究コミュニティの両方による協力的な取り組みの必要性を強調しています。

要約(オリジナル)

This survey offers a comprehensive examination of collaborative perception datasets in the context of Vehicle-to-Infrastructure (V2I), Vehicle-to-Vehicle (V2V), and Vehicle-to-Everything (V2X). It highlights the latest developments in large-scale benchmarks that accelerate advancements in perception tasks for autonomous vehicles. The paper systematically analyzes a variety of datasets, comparing them based on aspects such as diversity, sensor setup, quality, public availability, and their applicability to downstream tasks. It also highlights the key challenges such as domain shift, sensor setup limitations, and gaps in dataset diversity and availability. The importance of addressing privacy and security concerns in the development of datasets is emphasized, regarding data sharing and dataset creation. The conclusion underscores the necessity for comprehensive, globally accessible datasets and collaborative efforts from both technological and research communities to overcome these challenges and fully harness the potential of autonomous driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google