日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自動運転データ統合arXiv:2605.08084

123D: 大規模マルチモーダル自動運転データの統合

123D: Unifying Multi-Modal Autonomous Driving Data at Scale

シェア:XThreadsFacebookLINEはてブBluesky

自動運転の多様なデータセットを単一APIで統合するオープンソースフレームワークを提案し、8つの実データセットと合成データを統合して、クロスデータセットでの3D物体検出や強化学習などの応用を実証した。

詳しい要約

1. どんなもの?

- 自動運転のマルチモーダルデータを単一APIで統合するオープンソースフレームワーク123Dを提示。 - 各モダリティを独立したtimestamped event streamとして保存し、任意のrateで同期・非同期アクセスを可能にする。 - 8つの実世界走行データセット(3,300時間、90,000km)と合成データセットを統合。 - データ分析・可視化ツールも提供。

2. 先行研究と比べてどこがすごい?

- 従来はデータセットごとに2D/3Dモダリティ、rate、同期方式、フォーマット、依存関係が異なり共存困難。 - 注釈規約の不一致が複数データセット横断の学習・汎化測定を妨げていた。 - 123Dは単一APIでこれらを統合し、rateを規定せず同期/非同期アクセスを実現。 - 8データセットを統合し、注釈統計比較やpose/calibration精度評価を系統的に実施。

3. 技術・手法の肝は?

- 各モダリティを独立したtimestamped event streamとして保存し、rateを固定しない設計。 - これにより任意のデータセット間で同期・非同期アクセスが可能。 - 単一APIでマルチモーダル運転データを扱う。 - 合成データセット用にconfigurable collection scriptsを提供。 - データ分析・可視化ツールを付属。

4. どうやって有効だと検証した?

- 8つの実世界走行データセット(3,300時間、90,000km)と合成データセットを統合。 - 注釈統計の比較と各データセットのpose・calibration精度評価を系統的に実施。 - 応用例としてcross-dataset 3D object detection transferと強化学習によるplanningを提示。 - 今後の方向性に関する推奨も提示。

5. 議論はある?

- 注釈規約の不一致やデータセット間の汎化測定の難しさを指摘。 - pose・calibration精度の評価結果に基づく議論を実施。 - 今後の方向性について推奨を提示。 - 具体的な限界や未解決課題の詳細は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている個別研究は明示されていない。 - 関連手法としてcross-dataset 3D object detection transfer、reinforcement learning for planningが挙げられる。 - 同分野の定番としてnuScenes、Waymo Open Dataset、Argoverse等の自動運転データセットが考えられるが、要旨での直接言及はない。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Daniel Dauner, Valentin Charraut, Bastian Berle, Tianyu Li, Long Nguyen, Jiabao Wang, Changhui Jing, Maximilian Igl, Holger Caesar, Boris Ivanovic, Yiyi Liao, Andreas Geiger, Kashyap Chitta

分類: cs.RO, cs.CV

原文アブストラクト

The pursuit of autonomous driving has produced one of the richest sensor data collections in all of robotics. However, its scale and diversity remain largely untapped. Each dataset adopts different 2D and 3D modalities, such as cameras, lidar, ego states, annotations, traffic lights, and HD maps, with different rates and synchronization schemes. They come in fragmented formats requiring complex dependencies that cannot natively coexist in the same development environment. Further, major inconsistencies in annotation conventions prevent training or measuring generalization across multiple datasets. We present 123D, an open-source framework that unifies such multi-modal driving data through a single API. To handle synchronization, we store each modality as an independent timestamped event stream with no prescribed rate, enabling synchronous or asynchronous access across arbitrary datasets. Using 123D, we consolidate eight real-world driving datasets spanning 3,300 hours and 90,000 kilometers, together with a synthetic dataset with configurable collection scripts, and provide tools for data analysis and visualization. We conduct a systematic study comparing annotation statistics and assessing each dataset's pose and calibration accuracy. Further, we showcase two applications 123D enables: cross-dataset 3D object detection transfer and reinforcement learning for planning, and offer recommendations for future directions. Code and documentation are available at https://github.com/kesai-labs/py123d.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI