论文页面 - 自动驾驶未来之路：KITScenes 多模态数据集

来源：https://huggingface.co/papers/2606.02956

摘要

KITScenes 多模态数据集提供了高保真的欧洲驾驶数据，包含全面的3D地图和多样化的城市环境，用于具身AI研究。

现有的自动驾驶数据集（https://huggingface.co/papers?q=autonomous%20driving%20datasets）推动了重大进展，但在传感器保真度、地图完整性或地理多样性方面仍存在不足。我们推出了 KITScenes Multimodal，这是一个基于高保真传感器（https://huggingface.co/papers?q=high-fidelity%20sensors）和地图构建的欧洲数据集。我们的完全同步传感器套件结合了高分辨率全局快门相机、量程超过400米的长距离激光雷达、4D成像雷达（https://huggingface.co/papers?q=4D%20imaging%20radar）以及冗余 GNSS/INS 定位（https://huggingface.co/papers?q=GNSS%2FINS%20localization）。据我们所知，我们的高清地图（https://huggingface.co/papers?q=HD%20maps）是传感器数据集中最完整的，并通过开源软件上的自动驾驶试验进行了验证。在公开数据集中，我们首次将所有与驾驶相关的交通元素（如交通信号灯）以3D形式映射到重投影精度级别，并具备完整的拓扑连接。我们的数据集录制于街道布局不规则、交通模式混合的城市，通过拓宽可用的地理多样性，补充了现有数据集。我们还引入了四个基准测试，每个都在推进具身AI（https://huggingface.co/papers?q=embodied%20AI）的空间学习（https://huggingface.co/papers?q=spatial%20learning）：在线高清地图构建（https://huggingface.co/papers?q=online%20HD%20map%20construction）、长距离深度估计（https://huggingface.co/papers?q=long-range%20depth%20estimation）、新视角合成（https://huggingface.co/papers?q=novel%20view%20synthesis）和端到端驾驶（https://huggingface.co/papers?q=end-to-end%20driving）。项目页面：https://kitscenes.com/

查看 arXiv 页面（https://arxiv.org/abs/2606.02956）查看 PDF（https://arxiv.org/pdf/2606.02956）项目页面（https://kitscenes.com/）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.02956）

在你的智能体中获取这篇论文：

hf papers read 2606.02956

没有最新 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型0

尚无模型链接该论文

请在你的模型 README.md 中引用 arxiv.org/abs/2606.02956，以便从此页面链接。

引用该论文的数据集1

KIT-MRT/KITScenes-Multimodal 更新于2天前 • 632 • 11 (https://huggingface.co/datasets/KIT-MRT/KITScenes-Multimodal)

引用该论文的空间0

尚无空间链接该论文

请在你的空间 README.md 中引用 arxiv.org/abs/2606.02956，以便从此页面链接。

包含该论文的收藏0

尚无收藏包含该论文

请将此论文添加到收藏（https://huggingface.co/new-collection）中，以便从此页面链接。