TaCarla: A comprehensive benchmarking dataset for end-to-end autonomous driving

Created by

Haebom

저자

Tugrul Gorgulu, Atakan Dag, M. Esat Kalfaoglu, Halil Ibrahim Kuru, Baris Can Cam, Ozsel Kilinc

💡 개요

본 논문은 종단 간 자율주행 연구를 위한 포괄적인 벤치마킹 데이터셋인 TaCarla를 제안합니다. 기존 데이터셋의 부족한 계획 데이터, 제한된 주행 다양성, 폐쇄 루프 평가 부족 문제를 해결하기 위해 CARLA 시뮬레이터 기반의 280만 프레임 이상으로 구성된 TaCarla를 구축했습니다. 이 데이터셋은 계획뿐만 아니라 다양한 인식 작업과 시각-언어 행동 모델까지 지원하며, 데이터 희소성 점수도 제공합니다.

🔑 시사점 및 한계

•

TaCarla는 종단 간 자율주행 연구에 필요한 인식 및 계획 데이터를 통합하여 기존 데이터셋의 한계를 극복합니다.

•

다양한 시나리오와 희소성 점수를 통해 자율주행 모델의 강건성 및 장꼬리 문제 해결 능력을 평가하는 데 기여합니다.

•

특정 센서 구성에 치우치지 않은 데이터셋으로, 보다 일반적인 자율주행 모델 개발을 촉진할 잠재력이 있습니다.

•

실제 환경에서의 센서 노이즈, 조명 변화, 예측 불가능한 객체 행동 등 현실적인 복잡성을 완전히 반영하는 데는 여전히 한계가 있을 수 있습니다.

PDF 보기

Made with Slashpage