Lyft выпускает крупнейший набор данных L5 для прогнозирования самоуправляемых автомобилей

Автопилот

Lyft недавно выпустила набор данных прогнозирования автономного вождения 5-го уровня, который включает более 1000 часов вождения. Кроме того, компания также запустила соревнование по прогнозированию движения при автономном вождении с призовым фондом в 30 000 долларов.

Lyft выпустил новый набор данных.

В июле прошлого года Lyft выпустила набор данных о восприятии автономного вождения L5, который содержит более 55 000 аннотированных 3D-кадров с человеческими метками. В то время он официально назывался крупнейшим общедоступным набором данных в своем роде.

Прошел всего год с тех пор, как Lyft выпустила набор наборов данных для прогнозирования автономного вождения уровня L5.

Адрес загрузки приложения: https://www.catalyzex.com/paper/arxiv:2006.14480/dataset

170 000 сцен, более 2 500 километров дорожных данных

Набор данных, выпущенный Lyft, на этот раз посвящен прогнозированию движения.Чиновники говорят, что одной из давних проблем исследования автономного вождения является создание моделей, которые достаточно надежны и надежны для прогнозирования движения транспорта.

Данные собирались в течение 4 месяцев парком из 23 беспилотных автомобилей на фиксированном маршруте в Пало-Альто, Калифорния.Журнал регистрации автомобилей, пешеходов и других препятствий.

Набор данных, в частности, включает:

  • 1000 часов:Более 1000 часов записей о движении автономных транспортных средств;
  • 170 000 сцен:Каждая сцена длится около 25 секунд, включая светофоры, аэрофотоснимки, тротуары и многое другое;
  • 16000 миль: 16 000 миль (около 2 575 километров) данных с дорог общего пользования;
  • 15242 аннотированных сюжета:Включает в себя семантическую карту отмеченных элементов в высоком разрешении, а также вид местности с высоты птичьего полета в высоком разрешении.
Пример семантической карты с высоты птичьего полета в наборе данных

Эти данные о движении собираются наборами датчиков, установленных на крыше Lyft, которые фиксируют данные лидара, камеры и радара, когда автомобиль проезжает десятки тысяч миль.

В наборе данных каждая сцена кодирует состояние автомобиля в данный момент времени.,Красный для беспилотных автомобилей, желтый для других транспортных средств

Lyft сказал, что коллекция вместе с предоставленным набором инструментовпредставляет собой самый большой, самый полный и самый подробный набор данных на сегодняшний день,Для разработки автономного вождения, задач машинного обучения, таких как прогнозирование движения, планирование и моделирование.

В настоящее время для загрузки доступна только часть набора данных, в том числе:

  • Пример набора данных (53 МБ)
  • Набор обучающих данных (3 части, всего 69,4 ГБ)
  • Вид с воздуха (2 ГБ)
  • Семантический график (2 МБ)

ссылка для скачивания:

Начните испытание с призовым фондом в 30 000 долларов США.

в то же время,Lyft также планирует запустить конкурс, который начнется на платформе Google Kaggle в августе и разыграет призы на общую сумму 30 000 долларов.

В прошлом году Lyft запустила соревнование по обнаружению 3D-объектов на беспилотных автомобилях с общим призовым фондом в 25 000 долларов.

Основные моменты этой задачи:

  • Требования конкурса:Участники прогнозируют движение транспортных средств;
  • Готов к работе:Официальное напоминание состоит в том, что отныне исследователи и инженеры могут загружать обучающие наборы данных и программные пакеты на основе Python для проведения экспериментов с данными. Поскольку набор для тестирования и проверки будет выпущен в рамках конкурса;
  • Конечная цель:Расширяйте возможности исследовательского сообщества и ускоряйте инновации с помощью наборов данных и конкурсов.

Саша Арно, старший технический директор Lyft, и Питер Ондруска, директор по аудио- и видеоисследованиям, написали в своем блоге:«Данные — это движущая сила для опробования новейших методов машинного обучения,Доступ к крупномасштабным высококачественным данным об автономном вождении, хотя и ограниченный, не должен мешать нашим экспериментам в этом исследовании. "

«Мы считаем, что автономное вождение станет более удобной, безопасной и устойчивой частью транспортной системы», — заявили Арно и Ондрушка.«Обмениваясь данными с исследовательским сообществом, мы надеемся выявить важные и нерешенные проблемы в автономном вождении."

доступhyper.ai, вы можете получить более качественные наборы данных!

адрес блога:

medium.com/Лю Ифэй танцует level5/…

Адрес бумаги:

АР Вест V.org/PDF/2006.14…

Адрес гитхаба:

github.com/lyft/l5kit/