新的数据集推动自动驾驶汽车研究进入高速发展阶段
新的数据集有望为研究人员提供从多辆车辆在重复行程中捕获的大量以前无法获得的真实世界驾驶数据，从而加速自动驾驶汽车 (AV) 技术的发展。MARS（多智能体、多路径和多模式）数据集由纽约大学坦登工程学院的研究人员与自动驾驶汽车公司 May Mobility 合作推出，它提供了独特的功能组合，使其有别于该领域的先前努力。
纽约大学坦顿分校团队上个月在 IEEE/CVF 计算机视觉和模式识别 ( CVPR 2024 ) 会议上发表了一篇关于 MARS 的论文。MARS 数据集已公开。
“自动驾驶汽车研究的数据集通常来自单辆汽车对某个位置的一次通行。MARS 提供了更多机会，因为它可以捕捉到多辆自动驾驶汽车在固定路线上行驶数百次的真实互动，包括在不同条件下重复通过同一位置，”该项目首席研究员陈峰说。
冯是纽约大学坦顿分校的助理教授，致力于自动驾驶汽车和移动机器人的计算机视觉研究。
该数据集由冯的土木工程自动化与智能 (AI4CE) 实验室和 May Mobility 工程师整理，使用 May Mobility 车队的四辆自动驾驶丰田 Sienna Autono-MaaS 收集，这些车辆在美国某城市 20 公里范围内运行，涵盖住宅区、商业区和大学区。
May Mobility 的 FleetAPI 订阅服务允许访问其车辆的实时和历史数据。这为 NYU Tandon 等数据合作伙伴提供了访问现实世界信息的权限，包括传感器数据（LiDAR、摄像头）、GPS/IMU、车辆状态等。
冯说：“MARS 数据集让我们能够研究多辆车辆如何更准确地协作感知周围环境，以及车辆如何随着时间的推移对其周围环境建立详细的了解。”
“如果没有 May Mobility 提供的前所未有的大规模真实数据，我们就不可能完成这项工作。这一成果是朝着让自动驾驶汽车在道路上安全可靠迈出的重要一步。此外，此次合作为行业与学术界的合作开创了先例，将使整个领域受益。”
May Mobility 首席执行官兼联合创始人 Edwin Olson 博士表示：“我们相信，透明度和数据共享不仅可以帮助我们的客户，还可以帮助下一代创新者突破界限，提出自己的伟大创意。随着我们继续与学术界建立联系，他们的研究将为 May Mobility 乃至整个 AV 行业的更多创新铺平道路。”
纽约大学坦顿分校于 2022 年 11 月开始与 May Mobility 进行规划。从那时起，纽约大学坦顿分校的研究人员与 May Mobility 的工程团队密切合作，访问了所研究的车队组的日常运营传感器数据，并选定了超过 140 万帧同步传感器数据。这其中包括多辆车在路上相遇的场景，为未来自动驾驶汽车如何合作和通信提供了宝贵的数据。
MARS 最重要的方面之一是其“多遍历”特性。May Mobility 的工程师和纽约大学坦顿分校的研究人员确定了路线上的 67 个特定位置，并在一天中的不同时间和不同天气条件下从数千次穿越这些区域收集了数据。
“对相同位置的反复观察对于开发更强大的感知和映射算法至关重要，”本文第一作者、冯实验室博士生李一鸣说道，他最近获得了著名的 NVIDIA 研究生奖学金。“它使我们能够研究自动驾驶汽车如何利用先前的知识来增强对周围世界的实时理解。”
MARS 的发布正值自动驾驶汽车行业努力超越受控测试环境、应对真实驾驶的复杂性之际。
由于数据集是从实际使用的多辆商用车辆收集的（而不是专门为数据收集而部署的车辆、单辆自动驾驶汽车或数据模拟），它可以在训练和验证为自动驾驶汽车提供动力的人工智能系统中发挥独特的重要作用。
为了展示该数据集的潜力，纽约大学坦顿分校团队进行了视觉位置识别和 3D 场景重建方面的初步实验。这些任务对于 AV 定位自身和了解周围环境的能力至关重要。
May Mobility 自动驾驶感知总监 Fiona Hua 博士表示：“MARS 是产学研合作的典范。从我们的实际运营中收集数据为自动驾驶研究在协作感知、无监督学习和高保真模拟方面开辟了新途径。”
“我们只是触及了这个数据集的可能性的表面，并期待着在我们与研究人员携手解决自动驾驶当前和未来挑战的过程中开发出更多的可能性。”
页:
[1]