多样场景下的合成多模态轨迹数据集

为解决自动驾驶系统测试中兼具可控性与多模态性数据稀缺的问题，本研究构建了“多样场景下的合成多模态轨迹数据集”。本数据集依托于公开的INTERACTION验证集场景，采用一个三阶段的可控多模态运动生成框架合成。该框架依次通过基于学习的车辆放置器预测真实初始位置，基于模型的轨迹候选生成器生成多模态且物理可行的路径，最后由基于学习的轨迹选择器评估筛选。数据集于2025年8月生产，时序精度为10Hz，数据格式为.pkl。数据处理中，我们仅保留了真实轨迹覆盖4秒且能成功生成全部三种（遵守交通规则、超速、碰撞）运动模式的车辆数据。质量控制流程确保了模型输出的完整性、标签与数据的对应准确性以及评估指标的稳定性。本数据集为自动驾驶系统的轨迹预测、行为规划与鲁棒性评估提供了宝贵的边缘工况与高风险样本，对提升系统安全性具有重要价值。