Coopernaut dataset

在过去的几年中，用于自动驾驶汽车的光学传感器和学习算法取得了显着进步。尽管如此，当今自动驾驶汽车的可靠性受到有限的视线感应能力和数据驱动方法在处理极端情况下的脆性的阻碍。随着电信技术的最新发展，与车对车通信的合作感知已成为在危险或紧急情况下增强自动驾驶的有希望的范例。我们介绍了COOPERNAUT，这是一种端到端学习模型，该模型使用跨车辆感知进行基于视觉的合作驾驶。我们的模型将激光雷达信息编码为紧凑的基于点的表示形式，可以通过真实的无线信道在车辆之间作为消息传输。为了评估我们的模型，我们开发了AutoCastSim，这是一种网络增强的驾驶仿真框架，具有示例事故多发场景。我们在AutoCastSim上的实验表明，在这些具有挑战性的驾驶情况下，我们的合作感知驾驶模型比以自我为中心的驾驶模型40% 提高了平均成功率，并且带宽要求比以前的工作V2VNet小5倍。

搜集汇总

背景与挑战

背景概述

Coopernaut数据集专注于自动驾驶领域，提出了一种端到端学习模型，利用车对车通信实现合作感知。该模型通过编码激光雷达信息为紧凑点表示进行传输，在AutoCastSim仿真框架的评估中，相比以自我为中心的模型，在事故多发场景下平均成功率提高了40%，同时带宽需求比先前工作V2VNet减少了5倍。