遇见数据集

OpenDriveLab/WorldEngine

收藏
Hugging Face2026-06-19 更新2026-05-10 收录
官方服务:

资源简介:

WorldEngine数据集是一个用于自动驾驶物理人工智能后训练框架的模块化数据集,旨在系统解决自动驾驶中长尾安全关键数据稀缺的问题。该数据集采用模块化数据结构,包括三个主要模块:Raw Data(原始数据,基于nuPlan和OpenScene基础数据集,包含传感器数据、地图和标注)、AlgEngine(算法引擎,用于端到端模型训练和评估,提供预处理标注、检查点和缓存)和SimEngine(模拟引擎,用于闭环仿真环境,提供场景资源和配置文件)。数据集通过数据驱动的长尾发现自动从真实驾驶日志中识别易出错的场景,无需手动设计或合成扰动;利用3D高斯泼溅(3DGS)实现逼真的交互式模拟,将每个发现场景重建为完全可控、实时可渲染的仿真环境;并借助行为世界模型(BWM)从长尾场景中泛化和合成多样化的交通变化,将稀疏的安全关键事件扩展为密集、可学习的分布。该数据集已在量产ADAS平台上进行生产规模验证,基于80,000+小时的驾驶日志训练,能降低碰撞率高达45.5%,并在200公里道路测试中实现零脱离。数据集还包含预训练模型检查点、预计算指标缓存和场景配置等资源,支持自动驾驶系统的后训练和评估。

The WorldEngine dataset is a modular dataset for a post-training framework in Physical AI for autonomous driving, designed to systematically address the long-tail safety-critical data scarcity problem. It features a modular data structure with three main components: Raw Data (based on nuPlan and OpenScene base datasets, including sensor data, maps, and annotations), AlgEngine (for end-to-end model training and evaluation, providing preprocessed annotations, checkpoints, and caches), and SimEngine (for closed-loop simulation environments, offering scene assets and config files). The dataset enables data-driven long-tail discovery, automatically identifying failure-prone scenarios from real-world driving logs without manual design or synthetic perturbations; uses photorealistic interactive simulation via 3D Gaussian Splatting (3DGS) to reconstruct each discovered scenario into a fully controllable, real-time-renderable environment; and leverages Behavior World Model (BWM) to generalize and synthesize diverse traffic variations from long-tail scenarios, expanding sparse safety-critical events into a dense, learnable distribution. It has been production-validated on a mass-produced ADAS platform trained on over 80,000 hours of driving logs, reducing collision rates by up to 45.5% and achieving zero disengagements in a 200 km on-road test. The dataset also includes resources such as pre-trained model checkpoints, pre-computed metric caches, and scenario configurations to support post-training and evaluation of autonomous driving systems.

提供机构:
OpenDriveLab
搜集汇总
数据集介绍
OpenDriveLab/WorldEngine 数据集图片
构建方式
WorldEngine数据集采用模块化的数据架构,将系统划分为原始数据、算法引擎与仿真引擎三大子系统。其中,原始数据基于nuPlan与OpenScene数据集构建,通过符号链接实现高效存储。仿真引擎利用3D高斯泼溅技术将真实驾驶日志中的长尾场景重构为可实时渲染、完全可控的仿真环境,并通过行为世界模型生成多样化的交通变体场景。算法引擎则整合预处理标注、模型检查点与预计算指标缓存,为端到端模型训练与评估提供完整的支撑框架。
使用方法
数据集的使用遵循五步流程。首先通过Hugging Face Hub或Git克隆下载数据集。其次解压仿真场景资源文件至指定目录。接下来配置WORLDENGINE_ROOT及NUPLAN_MAPS_ROOT等环境变量以确保路径访问。然后可根据已有原始数据创建符号链接以避免重复存储。最后运行快速测试脚本验证安装完整性。用户可进一步参考官方文档中的安装指南、快速启动、仿真引擎与算法引擎使用说明,完成端到端模型训练或闭环仿真评估。
背景与挑战
背景概述
WorldEngine数据集由香港大学OpenDriveLab、华为技术有限公司及上海创新研究院于2026年联合构建,专注于解决自动驾驶领域物理智能(Physical AI)的后训练问题。该数据集的核心研究在于应对真实世界中极端且罕见的长尾安全关键场景数据匮乏的挑战。通过数据驱动的长尾场景发现、基于3D高斯泼溅(3DGS)的光真实感交互式仿真以及行为世界模型(BWM)驱动的场景生成等创新方法,WorldEngine为自动驾驶模型提供了一个系统性的后训练框架。其在量产高级驾驶辅助系统(ADAS)平台上的验证表明,仅通过后训练即可达到与增加约10倍预训练数据相当的性能,碰撞率降低最高达45.5%,对自动驾驶安全领域产生了深远影响。
当前挑战
WorldEngine数据集所面临的挑战主要来自两个层面。在领域问题层面,自动驾驶中传统基于预训练的方法难以应对长尾分布下的安全性、可控性与泛化性挑战,即常规驾驶数据中安全关键事件的稀疏性导致模型在罕见但危险的场景下性能显著退化。在构建过程层面,挑战体现在自动化识别真实行驶日志中的故障倾向场景的难度,以及如何在不引入人为设计或合成扰动的前提下,实现高保真度的场景重建与多样化交通行为生成。此外,在量产平台上对45.5%碰撞率降低与零次接管(200公里实路测试)的性能要求,也对数据集的覆盖度与仿真环境的真实性构成了严苛的工程挑战。
常用场景
经典使用场景
WorldEngine数据集的核心魅力在于其为物理人工智能的后训练阶段提供了完备的基础设施,尤其专注于自动驾驶领域。该数据集通过数据驱动的长尾发现机制,自动从真实驾驶日志中识别出易于失败的安全关键场景,摒弃了传统的手动设计与合成扰动。借助3D高斯泼溅技术,每个被发现的场景都被重建为高度逼真、可实时渲染且完全可控的交互式仿真环境。这种范式允许研究者在闭环仿真中开展强化学习后训练,通过在安全关键场景中进行密集的轨迹采样与策略优化,显著提升自动驾驶模型在边缘情况下的鲁棒性与安全性。
解决学术问题
在学术界,自动驾驶模型的长尾安全关键数据稀缺问题长期困扰着研究者,传统方法往往依赖昂贵的人工标注或物理上不真实的合成数据。WorldEngine数据集直面这一挑战,通过其内嵌的行为世界模型,能够从少量长尾场景中泛化并生成多样化的交通参与者行为变体,将稀疏的安全关键事件转化为密集、可学习的分布。这一机制解构了数据匮乏导致模型过拟合与泛化能力不足的症结,使得在有限预训练数据基础上,后训练阶段仅需少量安全关键样本即可达到与扩大预训练数据约十倍相当的性能表现,为数据高效的自驾研究开辟了新路径。
实际应用
在实际工业界,WorldEngine数据集已在量产型高级驾驶辅助系统平台上完成部署验证,其训练数据源自超过八万小时的实车驾驶日志,展现出卓越的工程落地能力。经该数据集后训练框架优化的模型,在真实道路测试中将碰撞率降低了高达45.5%,并且在200公里连续无干预路测中实现了零脱手。这一成果证明了该数据集能够有效弥补仿真与真实世界之间的鸿沟,为自动驾驶系统在复杂城市场景下的安全部署提供了可量化的解决方案,直接服务于整车厂与Tier 1供应商对高级别自动驾驶功能安全性、可靠性日益严苛的工程需求。
数据集最近研究
最新研究方向
WorldEngine数据集聚焦于自动驾驶领域物理人工智能的后训练范式,通过数据驱动的长尾场景自动发现与真实感交互式仿真,解决了安全关键数据稀缺的行业痛点。其创新性体现在利用3D高斯泼溅技术重构失效场景,并结合行为世界模型生成多样化交通变体,将稀疏的安全关键事件转化为密集的可学习分布。基于强化学习的后训练策略在量产ADAS平台上验证了卓越效能:仅凭后训练即可与近10倍预训练数据量匹敌,并将碰撞率降低45.5%,在200公里路测中实现零接管。这一工作标志着自动驾驶从数据规模竞赛向智能后训练时代的转变,为提升系统鲁棒性与安全性开辟了新路径。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务