dasgringuen/assettoCorsaGym
收藏资源简介：
AssettoCorsaGym数据集是一个用于自动驾驶、强化学习和模仿学习研究的数据集。数据集包含6400万步的数据，其中230万步来自人类驾驶员，其余来自Soft Actor-Critic (SAC)策略。数据收集涉及15名驾驶员，每名驾驶员在每条赛道和每辆车上至少完成五圈。参与者包括一名职业电子竞技驾驶员、四名专家、五名休闲驾驶员和五名初学者。数据集的结构包括赛道、车辆和驾驶员/策略的数据，每个数据实例包含来自赛车模拟器的50Hz的遥测数据，如速度、位置、加速度和控制输入（转向、油门、刹车）。数据集的创建目的是为了推动自动驾驶、强化学习和模仿学习的研究，数据集由UC San Diego和Graz University of Technology的研究人员策划，采用CC BY 4.0许可证。
AssettoCorsaGym数据集是一个用于自动驾驶、强化学习和模仿学习研究的数据集。数据集包含6400万步的数据，其中230万步来自人类驾驶员，其余来自Soft Actor-Critic (SAC)策略。数据收集涉及15名驾驶员，每名驾驶员在每条赛道和每辆车上至少完成五圈。参与者包括一名职业电子竞技驾驶员、四名专家、五名休闲驾驶员和五名初学者。数据集的结构包括赛道、车辆和驾驶员/策略的数据，每个数据实例包含来自赛车模拟器的50Hz的遥测数据，如速度、位置、加速度和控制输入（转向、油门、刹车）。数据集的创建目的是为了推动自动驾驶、强化学习和模仿学习的研究，数据集由UC San Diego和Graz University of Technology的研究人员策划，采用CC BY 4.0许可证。
Assetto Corsa Gym Dataset
数据集概述
- 名称: Assetto Corsa Gym Dataset
- 大小: 10M<n<100M
- 语言: 英语
- 许可证: CC BY 4.0
- 标签: RL, MBRL, autonomous driving, racing, MPC
- 任务类别: other
数据集描述
数据集摘要
- 包含6400万步数据，其中230万步来自人类驾驶员，其余来自Soft Actor-Critic (SAC)策略。
- 数据收集涉及15名驾驶员，每人至少完成五圈赛道和车辆。
- 参与者包括一名职业电竞驾驶员、四名专家、五名休闲驾驶员和五名初学者。
支持的任务和排行榜
- 自动驾驶
- 强化学习
- 行为克隆
- 模仿学习
语言
- 英语
数据集结构
数据实例
- 每个数据实例包括来自赛车模拟器的遥测数据，频率为50Hz，如速度、位置、加速度和控制输入（转向、油门、刹车）。
数据字段
- 请参见: https://github.com/dasGringuen/assetto_corsa_gym/blob/main/assetto_corsa_gym/assetto-corsa-autonomous-racing-plugin/plugins/sensors_par/structures.py
数据分割
- 数据按车辆和赛道进行分割。
数据集创建
策划理由
- 该数据集旨在推动自动驾驶、强化学习和模仿学习领域的研究。
- 通过提供包含人类驾驶数据和Soft Actor-Critic (SAC)策略生成数据的多样的数据集。
源数据
- 初始数据收集和归一化: 数据从赛车模拟器中收集。人类驾驶员至少完成五圈赛道和车辆，而SAC策略从零开始训练，并记录其重放缓冲区。
- 源语言生产者: 人类驾驶员，包括职业电竞驾驶员、专家、休闲驾驶员和初学者。
注释
- 注释过程: 数据在收集过程中自动标记，以区分人类和SAC策略数据。
- 注释者: 由UC San Diego和Graz University of Technology的研究团队注释。
个人和敏感信息
- 数据集中不包含任何个人身份信息。驾驶员被匿名化，仅通过driver_id标识。
使用数据时的考虑
数据集的社会影响
- 该数据集旨在通过提供多样化的驾驶数据来训练机器学习模型，从而促进更安全和更高效的自动驾驶系统的发展。
偏见的讨论
- 数据集包含广泛的驾驶技能，但仍可能存在基于有限数量的人类参与者和他们特定驾驶风格的偏见。
- 每个赛道和车辆的圈数不平衡，可能会影响在此数据集上训练的模型的泛化能力。
- 赛道和车辆的选择以及数据收集的具体条件也可能引入研究人员在使用此数据集时应意识到的偏见。
其他已知限制
- 有限的赛道和车辆数量
- 模拟驾驶环境可能无法完全捕捉现实世界的驾驶条件
附加信息
数据集策展人
- 由UC San Diego和Graz University of Technology的研究人员策展。
许可证信息
- CC BY 4.0
引用信息
@misc{remonda2024simulation, title={A Simulation Benchmark for Autonomous Racing with Large-Scale Human Data}, author={Adrian Remonda and Nicklas Hansen and Ayoub Raji and Nicola Musiu and Marko Bertogna and Eduardo E. Veas and Xiaolong Wang}, booktitle={38th Annual Conference on Neural Information Processing Systems (Submission)}, year={2024} }
贡献
- 感谢@dasGringuen添加此数据集。
