Safety2Drive

Safety2Drive基准测试数据集包含100个精心设计的功能测试场景、30个安全关键场景和30个对抗攻击场景，支持30种对抗攻击算法。每个功能测试项目可以推广到多个场景，理论上包含无限数量的场景。

The Safety2Drive benchmark dataset includes 100 carefully designed functional test scenarios, 30 safety-critical scenarios and 30 adversarial attack scenarios, and supports 30 adversarial attack algorithms. Each functional test item can be generalized to multiple scenarios, theoretically covering an unlimited number of scenarios.

原始信息汇总

Safety2Drive 数据集概述

数据集简介

• 数据集名称: Safety-Critical-Scenario-Benchmark-for-AD
• 数据集格式: OpenSCENARIO 格式
• 场景数量:
  • 功能测试场景：70 个
  • 安全关键场景：30 个
  • 对抗攻击场景：30 个
• 场景文件: 包含 15 个代表性场景，完整场景文件需通过邮件联系获取。

数据集内容

功能测试场景

• 数量: 70 个
• 文件格式: xosc 文件

安全关键场景

• 数量: 30 个
• 文件格式: xosc 文件

对抗攻击场景

• 数量: 30 个
• 文件格式: xosc 文件

自动驾驶场景运行

• CARLA 版本: 0.9.15
• 下载与设置: 提供了详细的 CARLA 下载和设置步骤。
• ScenarioRunner: 提供了 ScenarioRunner 的使用指南。

智能感知任务

• 基于摄像头的目标识别
• 基于激光雷达的目标识别
• 深度估计
• 车道线识别

对抗攻击场景

• 基于像素的数字攻击
• 基于补丁的数字/物理攻击
• 基于伪装的物理攻击
• 后门攻击

驾驶代理排行榜

• Autopilot
• Garage
• Interfuser

环境与天气

• 16 种环境与天气: 包括雾、雨、午夜、黄昏、下午、正午、早晨、无云、浓雾、薄雾、路面水、毛毛雨、中雨、大雨、多云、晴天。

路线图

• V1.0 发布: 包含基准测试、感知任务、驾驶代理支持。
• V1.1 发布: 计划包含安全关键场景生成算法。
• V1.2 发布: 计划包含基于 LLM 的场景生成算法。

引用与许可

• 引用: 提供了引用信息。
• 许可: 提供了许可信息。

搜集汇总

数据集介绍

构建方式

Safety2Drive数据集以OpenSCENARIO格式构建，涵盖了100个精心设计的标准法规场景、30个安全关键场景以及30种对抗攻击算法支持。这些场景通过CARLA仿真平台实现，结合了多种环境与天气条件，确保了场景的多样性与复杂性。数据集的设计旨在为自动驾驶系统提供全面的功能测试与安全评估，涵盖了从常规驾驶到极端条件下的各种情境。

特点

Safety2Drive数据集的特点在于其丰富的场景覆盖与高度的可扩展性。数据集不仅包含常规的功能测试场景，还特别设计了安全关键场景与对抗攻击场景，以评估自动驾驶系统在极端条件下的表现。此外，数据集支持多种感知任务，如基于摄像头与激光雷达的目标识别、深度估计与车道线识别，为研究者提供了多维度的评估工具。

使用方法

使用Safety2Drive数据集时，首先需下载并配置CARLA仿真平台，随后通过ScenarioRunner工具运行场景。数据集提供了详细的文档与示例代码，帮助用户快速上手。用户可以根据需求选择不同的场景类型，如功能测试、安全关键场景或对抗攻击场景，并通过内置的感知任务与驾驶代理评估工具进行性能测试。数据集还支持用户自定义场景与代理，以满足特定研究需求。

背景与挑战

背景概述

Safety2Drive数据集是一个专注于自动驾驶安全关键场景的基准测试平台，由ZGC-Safety-critical-scenario-for-AD团队于2025年1月推出。该数据集基于OpenSCENARIO格式，包含了100个精心设计的标准功能测试场景、30个安全关键场景以及30种对抗攻击算法支持。这些场景涵盖了多种复杂驾驶环境，如不同天气条件和交通状况，旨在为自动驾驶系统的安全性和鲁棒性提供全面的评估框架。该数据集的推出为自动驾驶领域的研究人员和开发者提供了一个标准化的测试平台，推动了自动驾驶技术在安全性和可靠性方面的进步。

当前挑战

Safety2Drive数据集在构建和应用过程中面临多重挑战。首先，安全关键场景的设计需要高度模拟真实世界的复杂性和不可预测性，这对场景生成算法的精确性和多样性提出了极高要求。其次，对抗攻击场景的引入增加了数据集的复杂性，如何有效模拟和防御这些攻击成为一大难题。此外，数据集的大规模场景生成和多样化环境条件的模拟对计算资源和数据处理能力提出了巨大挑战。最后，如何确保数据集的可扩展性和通用性，使其能够适应未来自动驾驶技术的快速发展，也是该数据集面临的重要挑战。

常用场景

经典使用场景

Safety2Drive数据集在自动驾驶领域中被广泛用于测试和验证自动驾驶系统在安全关键场景下的表现。该数据集包含了100个标准功能测试场景、30个安全关键场景以及30种对抗攻击算法，能够模拟各种复杂的交通状况和极端环境条件。研究人员可以通过这些场景评估自动驾驶系统的感知、决策和控制能力，确保其在真实道路上的安全性和可靠性。

衍生相关工作

Safety2Drive数据集催生了一系列相关研究工作，特别是在自动驾驶系统的安全性和鲁棒性方面。基于该数据集，研究人员开发了多种对抗攻击防御算法、场景生成模型以及多模态感知融合技术。例如，一些研究利用该数据集中的对抗攻击场景，提出了针对像素级和物理级攻击的防御策略。此外，该数据集还推动了基于深度学习和强化学习的自动驾驶决策算法的研究，为自动驾驶技术的进一步发展提供了重要支持。

数据集最近研究

最新研究方向

近年来，随着自动驾驶技术的快速发展，安全关键场景的测试与验证成为研究热点。Safety2Drive数据集作为自动驾驶领域的重要基准，提供了丰富的安全关键场景和对抗攻击场景，涵盖了多种环境条件和感知任务。当前研究主要集中在如何通过智能感知技术（如基于摄像头和激光雷达的目标识别、深度估计等）提升自动驾驶系统在复杂环境下的鲁棒性。同时，对抗攻击场景的研究也备受关注，尤其是像素级和补丁级的数字攻击、物理攻击等，这些研究有助于揭示自动驾驶系统的潜在漏洞，并推动更安全的算法设计。此外，Safety2Drive还支持多种驾驶代理的闭环评估，为自动驾驶算法的性能优化提供了重要参考。未来，基于LLM的场景生成算法有望进一步提升数据集的多样性和实用性，推动自动驾驶技术的安全性和可靠性迈向新高度。