SCTrans

构建用于自动驾驶系统仿真测试的大型公共场景数据集

Construction of a Large-Scale Public Scenario Dataset for Simulation Testing of Autonomous Driving Systems

原始信息汇总

SCTrans 数据集概述

数据集描述

SCTrans 是一个用于自动驾驶系统仿真测试的大型公共场景数据集，相关研究论文已被 ICSE24 接受。

数据集内容

• 源代码:
  • scenario-runner/ 目录包含修改版的 Lgsvl 和 Carla 场景运行器。
  • transformation/ 目录包含所有场景转换所需的代码。
• Docker容器:
  • 下载链接: Docker容器下载
  • 使用指南: 详细指南可在 artifact readme 中找到。

补充资源

• LGSVL 模拟器本地版本: LGSVL 模拟器本地版本
• Carla 和 Autoware 桥接: Carla 和 Autoware 桥接
• Carla 和 Apollo 桥接参考: Carla 和 Apollo 桥接参考
• LGSVL 和 Autoware 桥接参考: LGSVL 和 Autoware 桥接参考
• LGSVL 和 Apollo 桥接: 请参考 LGSVL PythonAPI 仓库。

如何贡献

• 代码贡献: 欢迎通过 fork 仓库并提交 pull request 的方式贡献代码。
• 问题报告: 遇到问题或有建议时，请在 GitHub 上提交 issue。

引用信息

若使用此数据集，请引用以下论文:

@inproceedings{SCTrans-ICSE-2024, author={Jiarun Dai and Bufan Gao and Mingyuan Luo and Zongan Huang and Zhongrui Li and Yuan Zhang and Min Yang}, booktitle={Proceedings of the 2024 International Conference on Software Engineering}, title={Constructing a Large Public Scenario Dataset for Simulation Testing of Autonomous Driving Systems}, year={2024}, }

搜集汇总

数据集介绍

构建方式

SCTrans数据集的构建基于对Lgsvl和Carla模拟器场景运行器的修改，通过`scenario-runner/`目录中的代码实现。此外，`transformation/`目录中的代码负责场景转换，确保数据集的多样性和复杂性。该数据集的构建过程结合了多种模拟平台的资源，如LGSVL、Carla和Autoware的桥接工具，以确保场景的真实性和可扩展性。

使用方法

使用SCTrans数据集，用户首先需要下载并设置Docker容器，该容器包含了所有必要的工具和环境配置。随后，用户可以通过`scenario-runner/`和`transformation/`目录中的代码进行场景的探索和转换。为了进一步简化集成，数据集提供了与LGSVL、Carla和Autoware等流行模拟平台的桥接工具，用户可以根据需要选择合适的资源进行开发和测试。

背景与挑战

背景概述

SCTrans数据集由复旦大学安全实验室（SecLab）创建，旨在为自动驾驶系统的仿真测试提供一个大规模的公共场景数据集。该数据集的核心研究问题是如何有效地构建和利用场景数据，以提升自动驾驶系统的安全性和可靠性。SCTrans的创建标志着自动驾驶领域在仿真测试数据集方面的重大进展，为研究人员和开发者提供了一个标准化的测试平台。该数据集的发布预计将对自动驾驶技术的研发和应用产生深远影响，特别是在提高系统鲁棒性和应对复杂交通场景的能力方面。

当前挑战

SCTrans数据集在构建过程中面临多项挑战。首先，如何从海量数据中筛选和生成高质量的仿真场景是一个关键问题。其次，确保数据集的多样性和代表性，以覆盖各种可能的交通情况，是另一个重要挑战。此外，数据集的构建还需要解决与不同仿真平台（如LGSVL和Carla）的兼容性问题，以及如何有效地进行场景转换和集成。最后，数据集的维护和更新也是一个持续的挑战，以确保其始终反映最新的交通规则和技术发展。

常用场景

经典使用场景

在自动驾驶系统的仿真测试领域，SCTrans数据集以其丰富的场景数据和高效的工具支持，成为研究者和工程师的首选。该数据集通过整合Lgsvl和Carla等仿真平台的场景运行器，提供了多样化的驾驶场景，从而支持对自动驾驶系统在复杂环境中的行为进行全面评估。此外，SCTrans还提供了场景转换代码，使得用户能够灵活地生成和修改测试场景，极大地提升了仿真测试的灵活性和覆盖率。

解决学术问题

SCTrans数据集在学术研究中解决了自动驾驶系统仿真测试中的多个关键问题。首先，它通过提供大规模的公共场景数据，填补了现有数据集在多样性和规模上的不足，为研究者提供了更为丰富的实验材料。其次，SCTrans的场景转换工具使得研究人员能够快速生成和调整测试场景，从而更有效地探索系统在不同条件下的表现。这不仅提升了研究的深度和广度，也为自动驾驶系统的安全性评估提供了坚实的基础。

实际应用

在实际应用中，SCTrans数据集被广泛应用于自动驾驶系统的开发和测试环节。通过使用SCTrans提供的仿真场景和转换工具，工程师们能够在虚拟环境中模拟各种复杂的驾驶情况，从而在实际路测之前发现并修复潜在的问题。此外，SCTrans的Docker容器化解决方案简化了系统的部署和使用，使得团队能够更高效地进行跨平台协作和测试。这种高效且灵活的测试方法，显著提升了自动驾驶系统的开发效率和安全性。

数据集最近研究

最新研究方向

在自动驾驶系统的仿真测试领域，SCTrans数据集的引入标志着对大规模公共场景数据集构建的重大突破。该数据集不仅提供了丰富的仿真场景，还通过与Lgsvl和Carla等主流仿真平台的集成，极大地促进了自动驾驶系统的测试与验证。当前的研究方向主要集中在利用SCTrans数据集进行深度学习模型的训练，以提升自动驾驶系统的决策能力和安全性。此外，结合最新的仿真技术，如Carla与Autoware的桥梁连接，研究者们正在探索如何更高效地进行跨平台仿真测试，从而加速自动驾驶技术的商业化进程。SCTrans数据集的发布，不仅为学术界提供了宝贵的研究资源，也为工业界提供了可靠的测试基准，推动了整个自动驾驶领域的发展。