多模态与视觉感知数据集-评估基准 - 自动驾驶 (PhysicalAI-Autonomous-Vehicles)
数据集简介
主要数据内容包括: 大规模自动驾驶多传感器数据资源 真实道路驾驶视频与环境感知数据 多摄像头(Camera)、LiDAR、Radar 融合数据 覆盖多国家、多城市、多天气与复杂交通场景数据 自动驾驶轨迹、障碍物与车辆运动标签数据 OOD(Out-of-Distribution)异常驾驶场景与推理标注数据 高保真自动驾驶 3D 重建与仿真场景数据 支持的能力方向包括: 自动驾驶感知与路径规划训练 End-to-End 自动驾驶模型训练 Vision-Language-Action(VLA)模型训练 多模态传感器融合与环境理解 自动驾驶推理与复杂场景决策训练 自动驾驶仿真、重建与闭环测试 OOD 场景泛化能力评测 适用于: 自动驾驶 AI 模型研发 具身智能与 Physical AI 训练 多模态感知算法研究 自动驾驶仿真环境构建 自动驾驶 Benchmark 评测与算法验证 智能驾驶数据工程与场景挖掘
数据质量
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet,支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性,数据集在构建过程中对原始记录进行了标准化处理,包括:(1)单位标准化:统一价格、重量、尺寸等字段的计量单位;(2)格式标准化:统一日期、时间、数值字段的表示格式;(3)文本清洗:去除 HTML 标签、多余空格及异常字符;(4)字段规范化:统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性,便于后续分析与建模。
记录代表性
数据覆盖全量业务场景,样本均衡,具备行业代表性
